《表1 活体检测使用的3个数据集的介绍》
数据集.通常模型训练和测试来自同一数据集的训练和测试样本可以获得很高的准确度,但是不能保证跨数据集之间的准确度也依然很高.模型在一个数据集中进行训练,在另一个数据集中直接进行测试,这种实验场景更符合现实环境中的需求.因此,如表1,本文在3个公开的活体检测数据库上进行了数据集内部和跨数据集之间的实验:(i) NUAA数据库[24]包含15个在不同位置和光照条件下捕获的不同目标.(ii) REPLAY ATTACK[25]数据集考虑了攻击中使用的不同光照条件.通过使用攻击者的手或者固定支架握住存在假脸的屏幕或者照片.(iii) CASIA MFSD[26]在活体检测方面,在图像质量、分辨率和视频长度上带来了更多挑战.根据文献[18]的工作,CIFAR10和MNIST数据集用于构建验证性实验,以说明提出的方法和其他先进的异常检测方法相比的优越性.其中一个类将被视为正常类,而其余的则属于异常类.总共,分别获得了十组MNIST数据集和CIFAR10数据集,然后仅通过在正常类别上训练模型检测测试样本是否异常.
图表编号 | XD00206620400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.20 |
作者 | 陈成伟、院旺、陈攀、丁守鸿、谢源、宋海川、马利庄 |
绘制单位 | 华东师范大学计算机科学与技术学院、华东师范大学计算机科学与技术学院、上海交通大学电子信息与电气工程学院、腾讯优图、华东师范大学计算机科学与技术学院、华东师范大学计算机科学与技术学院、华东师范大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |