基于解纠缠表示学习的人脸反欺骗算法

来源：计算机应用研究杂志2024年第8期北京时间：

作者：周毅岩,石亮,张遨,岳晓宇,

单位：江苏科技大学计算机学院,江苏镇江212114；

摘要：针对现有人脸反欺骗模型面对不同应用场景识别精度低、泛化性能不佳的问题，引入解纠缠表示学习，提出一种基于解纠缠表示学习的人脸反欺骗方法。该方法采用U-Net架构和ResNet-18作为编/解码器。首阶段训练中，通过输入真实样本使得编码器仅学习到真实样本相关信息。第二阶段，构建对抗性学习网络，输入不具标签的样本，将预训练的编码器输出和新编码器输出进行特征融合，由解码器重建图像，在鉴别器中与原始图像进行对抗训练，以实现特征的解耦。模型与一些经典人脸反欺骗方法相比，有着更好的检测性能，在OULU-NPU数据集的数个实验中，最低的检测错误率仅为0.8%，表现优于STDN等经典检测方法。该人脸反欺骗方法通过分阶段训练的方式，使得模型在对抗性训练中获得了相比端到端模型更具判别性的特征表示，在欺骗特征图输出阶段采用多分类策略，减小了不同的图像噪声对分类结果的影响，在公开数据集上的实验验证了算法的有效性。

关键词：人脸反欺骗,解纠缠表示学习,多分类,域泛化,

基金资助：2022年江苏省高校“智慧教育与教学数字化转型研究”专项课题；；