江苏龙网

  1. 主页 > 生活百科 > >

人脸算法最佳综述 人脸检测综述( 三 )


2019年NIST组织的FRVT-QA活动结果的简短总结，用于评估面部质量指标 。：
综述十一人脸识别攻击的威胁:一项全面的调查标题:反击人脸识别攻击的威胁:Fatemeh Vakhshiteh，Ahmad Nick Abadi的评论链接:https://arxiv.org/abs/2007.11709
人脸识别(FR)系统已经表现出优异的验证性能，这表明它适合于现实世界的应用，从社交媒体中的照片标记到自动边界控制(ABC) 。然而，在基于深度学习的架构的高级FR系统中，仅仅提高识别效率是不够的，系统还应该承受为其熟练程度而设计的潜在攻击 。最近的研究表明,(深度)FR系统对难以察觉或可察觉但看起来自然的输入图像表现出令人着迷的脆弱性，这使得模型无法正确预测输出 。本文对对抗FR系统的攻击进行了全面的研究，并详细阐述了对抗这些系统的新的对抗手段的能力 。
旨在欺骗FR系统的对抗攻击方法的一般分类；
综述十二跨种族人脸反欺骗识别挑战:一个综述题目:跨种族人脸反欺骗识别挑战:一个综述作者:刘阿健，李链接:
本文综述了47篇相关文献 。
最近，以测量种族偏见为目的的多种族面部反欺骗数据集CASIA-SURF CeFA已经发布 。它是最大、最新的跨种族面部反欺骗数据集，涵盖3个种族、3种形式、1607个主题和2D加3D攻击类型，是最近发布的面部反欺骗数据集中第一个包含显性种族标签的数据集 。本文围绕这一新的资源组织了Chalearn Face反欺骗攻击检测挑战，该挑战由单模(如RGB)和多模(如RGB、深度、红外(IR))轨迹组成，旨在促进种族偏见的研究，旨在缓解这种情况 。在开发阶段，两条赛道都吸引了340个团队 。最后，在单模和多模面部反欺骗识别挑战中，分别有11支和8支队伍提交了他们的代码 。所有结果都经过组委会验证和重新运行，结果用于最终排名 。本文概述了这一挑战，包括其设计、评估协议和结果总结 。
9支车队在多模式赛道上的ROC 。从左至右是协议4_1、4_2和4_3的roc:
面向人脸反欺骗的多任务网络体系结构:
综述十三深层伪装的产生和检测:一项调查标题:深层伪装的产生和检测:综述作者:伊索尔·米尔斯基，柯文·李链接:https://arxiv.org/abs/2004.11138
本文综述了193篇相关文献 。
生成式深度学习算法已经发展到真假难辨的地步 。2018年，人们发现这种技术非常容易被用于不道德和恶意的应用，如传播错误信息，冒充政治领导人和诽谤无辜的人 。此后，这些“深度诈骗”有了很大进展 。在本文中，我们讨论了Deepfake的创建和检测，并深入介绍了这些体系结构是如何工作的 。这项调查的目的是让读者了解(1)如何创建和检测深度欺诈；(2)该领域的当前趋势和进展；(3)当前防御解决方案的缺点；(4)需要进一步研究和关注的领域 。
Deepfake信息信任表:
对抗性机器学习和deepfake的区别；
以上是2020年发表的医学影像方向综述论文的总结 。如有遗漏和不足，请在评论区补充您的建议 。


推荐阅读


上一篇：福建泉州的仙公山 仙公山公园

下一篇：3D打印优点和技术原理 3d打印的原理