-
公开(公告)号：CN114067444B
公开(公告)日：2024-10-15
申请号：CN202111185654.2
申请日：2021-10-12
IPC: G06V40/40 , G06V10/56 , G06V40/16 , G06V10/764
Abstract: 本发明公开了一种基于元伪标签和光照不变特征的人脸欺骗检测方法和系统，该方法的步骤包括：数据预处理得到RGB颜色通道图和PLGF图；RGB颜色通道图划分出有标签样本、无标签样本、增强后的无标签样本，送入教师学习模块得到教师半监督损失、无标签样本的伪标签、增强后的无标签损失，更新学生模型和教师模型的参数；将PLGF图送入光照不变特征提取网络得到特征向量和分类向量，利用三元组损失和交叉熵损失监督训练后保存网络模型和参数；利用验证集确定阈值；加载测试数据到学生模型和光照不变特征提取网络，得到相应的RGB分类分数和PLGF分类分数，加权求和得到分类分数，根据阈值判决分类结果。本发明在训练样本不充足情况下提高人脸欺骗检测模型的鲁棒性。
-
公开(公告)号：CN114663986B
公开(公告)日：2023-06-20
申请号：CN202210329816.3
申请日：2022-03-31
Applicant: 华南理工大学
IPC: G06V40/40 , G06V40/16 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于双解耦生成和半监督学习的活体检测方法及系统，该方法步骤包括：数据预处理得到RGB颜色通道图原始样本，并配对相同身份得到真假图像对；真人编码器输出真人身份向量，假体编码器输出假体身份向量和假体模式向量，三者合并送入解码器得到重建真假图像对，构建双解耦生成损失函数，噪声送到训练好的解码器得到生成样本；对原始样本和生成样本构造有标签样本、无标签样本、增强后无标签样本，三者送入教师学习模块得到教师半监督损失、无标签样本的伪标签、增强后无标签损失，更新检测器和教师网络参数；利用验证集确定阈值；加载测试数据到检测器得到分类分数，根据阈值判决分类结果。本发明能够提高活体检测模型的鲁棒性。
-
公开(公告)号：CN114067444A
公开(公告)日：2022-02-18
申请号：CN202111185654.2
申请日：2021-10-12
IPC: G06V40/40 , G06V10/56 , G06K9/62 , G06V40/16 , G06V10/764
Abstract: 本发明公开了一种基于元伪标签和光照不变特征的人脸欺骗检测方法和系统，该方法的步骤包括：数据预处理得到RGB颜色通道图和PLGF图；RGB颜色通道图划分出有标签样本、无标签样本、增强后的无标签样本，送入教师学习模块得到教师半监督损失、无标签样本的伪标签、增强后的无标签损失，更新学生模型和教师模型的参数；将PLGF图送入光照不变特征提取网络得到特征向量和分类向量，利用三元组损失和交叉熵损失监督训练后保存网络模型和参数；利用验证集确定阈值；加载测试数据到学生模型和光照不变特征提取网络，得到相应的RGB分类分数和PLGF分类分数，加权求和得到分类分数，根据阈值判决分类结果。本发明在训练样本不充足情况下提高人脸欺骗检测模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112580576A
公开(公告)日：2021-03-30
申请号：CN202011577117.8
申请日：2020-12-28
Abstract: 本发明公开了一种基于多尺度光照不变性纹理特征的人脸欺骗检测方法及系统，该方法步骤包括：将视频分帧后抠取人脸图像，通道分离得到颜色通道图；经过光照分离纹理保留模块得到光照不变纹理特征图，归一化后与颜色通道图合并为人脸特征，数据增强后为待训练的输入特征；用多感受野的中心差异卷积搭建多尺度纹理模块，嵌入至轻量网络构建轻量多尺度纹理网络；将像素级损失和交叉熵损失加权为总损失；将输入特征送入轻量多尺度纹理网络学习纹理本质性的欺骗特征；根据损失函数更新网络参数，完成训练后保存网络模型和参数；根据已保存模型预测分类结果。本发明准确提取纹理本质性的欺骗特征，有效提升模型泛化性能并降低部署的存储和计算消耗。
-
公开(公告)号：CN112580576B
公开(公告)日：2023-06-20
申请号：CN202011577117.8
申请日：2020-12-28
IPC: G06V40/40 , G06V40/16 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度光照不变性纹理特征的人脸欺骗检测方法及系统，该方法步骤包括：将视频分帧后抠取人脸图像，通道分离得到颜色通道图；经过光照分离纹理保留模块得到光照不变纹理特征图，归一化后与颜色通道图合并为人脸特征，数据增强后为待训练的输入特征；用多感受野的中心差异卷积搭建多尺度纹理模块，嵌入至轻量网络构建轻量多尺度纹理网络；将像素级损失和交叉熵损失加权为总损失；将输入特征送入轻量多尺度纹理网络学习纹理本质性的欺骗特征；根据损失函数更新网络参数，完成训练后保存网络模型和参数；根据已保存模型预测分类结果。本发明准确提取纹理本质性的欺骗特征，有效提升模型泛化性能并降低部署的存储和计算消耗。
-
公开(公告)号：CN113076876B
公开(公告)日：2023-01-31
申请号：CN202110359266.5
申请日：2021-04-02
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于三维结构监督和置信度加权的人脸欺骗检测方法和系统，包括数据预处理、模型训练与验证和模型测试：数据预处理抠取人脸并提取深度图；模型训练与验证将人脸送入特征提取模块提取特征，与位置信息拼接并送入三维结构重建模块获得三维结构特征，送入三维结构监督模块、二元监督模块，利用倒角损失、交叉熵损失进行监督，同时将预测深度图送入置信度预测模块预测置信度，对预测深度图进行修正，利用置信度损失进行惩罚，接着训练并保存模型，最后利用验证集确定阈值；模型测试加载模型，预测深度图和置信度，对深度图求均值并利用置信度进行修正，根据阈值判决分类结果。本发明保证库内准确率的同时，能有效提升泛化性能。
-
公开(公告)号：CN114663986A
公开(公告)日：2022-06-24
申请号：CN202210329816.3
申请日：2022-03-31
Applicant: 华南理工大学
IPC: G06V40/40 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于双解耦生成和半监督学习的活体检测方法及系统，该方法步骤包括：数据预处理得到RGB颜色通道图原始样本，并配对相同身份得到真假图像对；真人编码器输出真人身份向量，假体编码器输出假体身份向量和假体模式向量，三者合并送入解码器得到重建真假图像对，构建双解耦生成损失函数，噪声送到训练好的解码器得到生成样本；对原始样本和生成样本构造有标签样本、无标签样本、增强后无标签样本，三者送入教师学习模块得到教师半监督损失、无标签样本的伪标签、增强后无标签损失，更新检测器和教师网络参数；利用验证集确定阈值；加载测试数据到检测器得到分类分数，根据阈值判决分类结果。本发明能够提高活体检测模型的鲁棒性。
-
公开(公告)号：CN113076876A
公开(公告)日：2021-07-06
申请号：CN202110359266.5
申请日：2021-04-02
Abstract: 本发明公开了一种基于三维结构监督和置信度加权的人脸欺骗检测方法和系统，包括数据预处理、模型训练与验证和模型测试：数据预处理抠取人脸并提取深度图；模型训练与验证将人脸送入特征提取模块提取特征，与位置信息拼接并送入三维结构重建模块获得三维结构特征，送入三维结构监督模块、二元监督模块，利用倒角损失、交叉熵损失进行监督，同时将预测深度图送入置信度预测模块预测置信度，对预测深度图进行修正，利用置信度损失进行惩罚，接着训练并保存模型，最后利用验证集确定阈值；模型测试加载模型，预测深度图和置信度，对深度图求均值并利用置信度进行修正，根据阈值判决分类结果。本发明保证库内准确率的同时，能有效提升泛化性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
