正在播放国产一区_亚洲精品字幕在线观看|HD中文字幕在线播放,少妇莹莹的放荡生活,日韩欧美综合一区,国产欧美一区二区三区96精品

今年，人臉防偽、人臉識別依然是全球計算機視覺頂級會議CVPR2020（即IEEE國際計算機視覺與模式識別會議）的熱門主題，數篇論文被收錄，其中，明略科技集團明略科學院與中科院自動化研究所、奧盧大學、AIBEE等合作的3篇論文被接收（兩篇為Oral）。

在CVPR2020 ，由中科院自動化研究所模式識別國家重點實驗室主辦的ChaLearnFace Anti-spoofing Attack Detection Challenge人臉防偽檢測挑戰賽上，由奧盧大學與明略科學院深度學習實驗室等組成的團隊，斬獲多模態賽道冠軍和單模態賽道亞軍。人臉防偽是、活體檢測是人臉識別應用中最重要的一環，人臉防偽的方法能夠抵御不法分子通過照片、面具等手段對人臉識別系統進行攻擊從而牟利，是一項非常有落地實用價值的研究領域。而ChaLearn Face Anti-spoofing Attack Detection Challenge是近年來活體檢測、人臉防偽領域最熱門的比賽，吸引了眾多全球知名CV大廠、明星創業公司和頂級院校團隊參與。

此次挑戰賽中，奧盧大學和明略科學院團隊運用的方法，主要來自于以下兩篇論文的研究成果：

《Searching CentralDifference Convolutional Networks for Face Anti-spoofing(CDCN), CVPR2020》（文章鏈接：https://arxiv.org/abs/2003.04092）

《Deep Spatial Gradient and Temporal Depth Learning forFace Anti-spoofing(FAS-SGTD), CVPR2020 (Oral)》（文章鏈接：https://arxiv.org/abs/2003.08061）

人臉防偽（FAS）在人臉識別系統中起著至關重要的作用。大多數最先進的FAS方法依賴于堆疊卷積和專家設計的網絡，在描述詳細的紋理信息方面比較弱，在環境變化（如不同的光照度）時容易失效，并且傾向于使用長序列作為輸入來提取動態特征，這使得該方法很難部署到需要快速響應的場景中。

《Searching Central Difference Convolutional Networks forFace Anti-spoofing(CDCN [1]), CVPR2020》論文，提出了一種基于中心差分卷積（CDC）的新型幀級FAS方法，它能夠通過聚合強度和梯度信息來捕獲內在的詳細模式。用CDC構建的網絡，稱為中心差分卷積網絡（CDCN），相較于用普通卷積構建的網絡，能夠提供更穩健的建模能力。

此外，在一個專門設計的CDC搜索空間上，可利用神經結構搜索（NAS）發現更強大的網絡結構（CDCN++），該網絡結構可與多尺度注意力融合模塊（MAFM）組裝，進一步提升性能。在6個基準數據集上進行了綜合實驗，結果表明：1)所提出的方法不僅在數據集內部測試中取得了優異的性能(特別是在OULU-NPU數據集（Protocol1）實現了0.2%的ACER)，2)在跨數據集測試中也有很好的通用性(特別是從CASIAMFSD到Replay-Attack數據集，實現了6.5%的HTER)。

人臉防偽對人臉識別系統的安全性至關重要。目前，深度監督學習被證明是最有效的方法之一。雖然取得了巨大成功，但以往大多數的研究工作是把問題表述為單幀多任務的問題，只是簡單地用深度增強損失，而忽略了詳細的紋理信息以及面部深度和運動模式之間的相互作用。

《Deep Spatial Gradient and Temporal Depth Learning for Face Anti-spoofing(FAS-SGTD [2]), CVPR2020 (Oral)》論文，提出了一種新的方法來檢測來自多幀多任務的攻擊，該方法基于兩點洞察：

1. 通過堆疊的普通卷積，活體人臉和偽造人臉之間詳細的判別性線索（例如，空間梯度幅度）可能會被丟棄

2.  三維移動人臉的動態提供了檢測偽造人臉的重要線索。該方法能通過殘差空間梯度塊(RSGB)捕捉判別細節，并對時空傳播模塊(STPM)的時空信息進行有效編碼。此外，還提出了一種新的對比性深度損失法（ContrastiveDepth Loss），以實現更準確的深度監督。為評估此方法的有效性，還收集了雙模態防偽數據集(DMAD)，提供了每個樣本的實際深度。實驗表明，所提出的方法在OULU-NPU、SiW、CASIA-MFSD、Replay-Attack和新的DMAD五種基準數據集上取得了當前最佳成績。

目前，明略科學院深度學習實驗室的研發成果，已在智能餐飲、智能零售、供應鏈物流、智能營銷、智能工業等業務場景實際落地。