《表4 在NUAA数据集上通过HTER,将本文方法与其他方法进行的比较(%)》

  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

数据集内实验.在NUAA数据集上比较了本文的方法和最新方法.表4[4，7，24，26，30～32]显示所有方法的准确度.本文提出的半监督方法达到了与有监督学习的ADKMM[30]和ND-CNN[4]同等的最佳性能水平.还将本文的方法与表5[4，8，30，31，33]中REPLAY ATTACK数据集上的最新的技术进行了比较.实现了与其他有监督的方法可比的HTER.该结果归因于两个因素.首先，需有标签的数据的二分类方法通常在单个数据库内进行训练和测试具有出色的性能.一些比较的方法甚至使用深度信息或其他额外信息来进行活体检测.其次，在提出的方法中，许多固定支撑攻击人脸被错误地识别为正常脸.由于固定支撑的攻击人脸上没有光流信息，因此隐空间中的特征重建损失较低.