BriefGPT - AI 论文速递
·
基于图像背景的单一深度学习人脸变形攻击检测的影响
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种可解释的面部特征提取算法，用于检测真实和变形图像，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。通过训练随机森林分类器，使用三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法，来检测变形攻击。离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。
🎯
关键要点
- 提出了一种可解释的面部特征提取算法，用于检测真实和变形图像。
- 该算法基于原始图像、形状、纹理、频率和压缩。
- 可以开发图形用户界面，协助边境警卫人员调查涉嫌的图像。
- 使用三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法进行随机森林分类器的训练。
- FRLL 数据库提供了变形图像用于变形攻击检测。
- 离散余弦变换方法在合成图像上获得最佳结果。
- 基于地标点的图像特征使用 BSIF 进行检测。
➡️
