《表1 实验中使用的欺诈检测数据集的详细情况》
在实验中,考虑了少样本人脸欺诈检测场景,也就是训练样本的数量较少,并且没有其他额外的数据.少样本欺诈检测是实际中经常遇到的,此时收集大量的真实样本和欺诈样本的成本较高.为了衡量所提算法相比其他算法在少样本欺诈检测场合下的性能,从每段视频的前几秒中提取视频帧.对于CASIA-FASD数据集,提取每段视频的前1/10,共提取了10 824帧视频.对于ReplayAttack数据集,提取每段视频的前1/10,共提取了34 599帧视频.对于OULU-NPU数据集,提取每段视频的前1/20,共提取了36 038帧视频.对于每个人,假设录像时间远远短于原来的录像时间.对于CASIA-FASD和Replay-Attack数据集,将录像时间缩短至原来的1/10.对于OULU-NPU数据集,将录像时间缩短至原来的1/20,每个人的录像时间在5 s左右,现在只使用大约前1/4 s中的帧.对于CASIA-FASD和Replay-Attack数据集,每个人的录像时间在10 s左右,现在只使用大约前1 s中的帧.在实际中,录制大量不同人、不同类型的长时间视频的成本较高.表1中给出了每个数据集的详细情况.经过人脸检测[18]后,将检测的人脸区域调整为一幅200×200的图像.
图表编号 | XD00183670200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 陈昌盛 |
绘制单位 | 深圳大学电子与信息工程学院、深圳大学深圳市媒体信息内容安全重点实验室、深圳大学广东省智能信息处理重点实验室、深圳大学广东省人工智能与数字经济实验室、深圳市人工智能与机器人研究院 |
更多格式 | 高清、无水印(增值服务) |