基于深度学习的人脸活体检测

发布时间：2022-02-20 04:59

　　人脸识别系统推广的同时也容易受到来自非真实人脸的欺骗与攻击。针对传统方法的人脸活体检测存在网络耗时长,容易出现过拟合等问题,在卷积神经网络的基础上采用以异构卷积核替换标准卷积核的方式对人脸活体进行检测。同时为进一步优化分类效果,采用融合Softmax loss和Center loss函数作为新的分类器。在NUAA和CASIA-FASD两个经典数据库中,通过实验证明提出的算法可以提高模型准确率,降低模型训练成本。与传统卷积神经网络方法相比,提出的方法具有更高的效率。 

【文章来源】：辽宁科技大学学报. 2019,42(05)

【文章页数】：8 页

【文章目录】：
1 卷积神经网络
    1.1 卷积层
    1.2 汇聚层
    1.3 激活层
    1.4 全连接层
2 异构卷积神经网络的人脸活体检测
    2.1 异构卷积核
    2.2 异构卷积神经网络
3 实验结果与分析
    3.1 NUAA数据库
    3.2 CASIA-FASD数据库
4 结论



本文编号：3634364