하루에도 수만개의 글자를 읽고 있습니다. 하루에도 수백장의 종이를 들춰 읽습니다.
이것은 그 읽기에 대한 일기입니다.
An Original Face Anti-spoofing Approach using Partial Convolutional Neural Network
3월 5th, 2020 Posted by 룬룬
1. Introduction
- Anti-spoofing 문제를 해결하기 위해, CNN으로부터 deep part features (DPCNN)을 추출하여 local descriptor로 사용하고 이것을 이용하여 real face와 fake face를 구분하고자 한다.
2. Related Work
3. Proposed Method
- DPCNN은 VGG-face를 fine-tuning하여 생성한다.
- VGG-face 모델에서 마지막 fc 레이어를 2개의 출력을 내도록 수정 한 뒤, 이를 softmax를 사용하여 DB를 이용하여 fine-tuning 하였다.
- 학습이 완료된 모델에 학습 데이터로 사용된 얼굴 이미지를 입력하면 각 레이어마다 특징들이 계산된다.
- 모든 샘플들에서 추출된 각 레이어의 특징들을 평균을 낸다. 이를 라고 한다. 여기서 은 레이어 번호, 는 컨볼루션 필터를 나타낸다.
- 계산된 평균 특징들에서 가장 큰 값의 0.9의 크기를 스레스홀드로 하여 그보다 큰 값만을 추출하여 그 자리를 기록한다. 이를 라고 한다.
- 이제 각각의 학습 데이터 에 대하여 저장된 위치 에서의 특징 값들을 추출하여 하나의 벡터로 만든다. 이를 라고 한다.
- 각 벡터를 행으로 하여 모든 학습 데이터에 대해 행렬을 구성할 수 있다.
- 행렬에 PCA를 적용하여 크기를 줄이고자 하였으나 크기가 너무 크기 때문에 벡터의 길이를 여러개로 나누어 PCA를 적용하였다.
- PCA의 결과를 SVM에 적용하여 학습시켰다.
4. Experimental Results
5. Results and Discussion
- Deep part feature는 11, 13, 15, 18, 20, 22, 25, 27번째 레이어에서 추출하여 비교 실험하였다.
- 또한 벡터를 합쳐서 13/20, 13/25, 20/25, 20/27, 25/27번째 레이어의 특징을 통합하여 비교 실험하였다.
Add a Comment Trackback