《表2 在单个数据集内进行训练和测试的消融实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于隐空间约束生成对抗网络的活体检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于所提出的架构是建立在对抗训练框架之上的，在本小节之前已经介绍了各个损失函数.为了验证各个组件的有效性，有必要进行消融研究.将生成器、鉴别器和辅助编码器的损失函数进行不同组合在单个数据集和跨数据集之间进行实验.如表2所示，对于单个数据集内部实验，它表明将离群损失Lou和隐空间特征重建损失Lzrec组合在一起比单独使用Lou或Lzrec能更好地提升效果.在表3中，即数据集间实验中，可以看到更显著的提升.特别地，与Lzrec相比，离群损失会进一步约束隐空间的表示，从而获得更精准和鲁棒的活体检测器.总的来说，本文提出的方法设计的任何损失都可以提高检测的准确性.