在本文中,我们考虑了面部变形攻击的挑战,这大大破坏了面部识别系统的完整性,例如在边境保护机构中采用的那些。变形检测可以制定为提取细粒度的表示,其中利用局部鉴别特征来学习假设。为了在不同的粒度和去耦的光谱信息中获取辨别特征,我们利用小波域分析来深入了解变形面的空间频率含量。这样,而不是使用RGB域中的图像,我们使用2D小波分解将每个图像分解为其小波子频带,并且采用深度监督特征选择方案来查找输入图像的最辨别的小波子带。为此,我们使用变形和真绒图像的分解小波子带训练深度神经网络(DNN)变形探测器。在训练阶段,我们的结构群稀疏受约束的DNN从所有子带中选择了最多的鉴别性小波子带,我们恢复了我们的DNN,导致在探测器上实现了推理时的变形图像的精确检测图片。通过结构化组套索增强的深形变形探测器的功效通过三个面部变形图像数据库,即Visapp17,LMA和摩根进行了验证了通过实验验证。
translated by 谷歌翻译