FeatherNets: 顔のなりすまし検出用に軽量な畳み込みニューラルネットワークを設計する

顔の偽装検出（Face Anti-spoofing）は、最近学術界および産業界でますます注目を集めています。さまざまなCNNベースの解決策が登場するにつれて、多モーダル（RGB、深度、IR）手法を用いたCNNは単一モーダル分類器よりも優れた性能を示しました。しかし、性能向上と複雑さの低減が必要です。そこで、グローバル平均プーリングの弱点を修正し、パラメータ数を削減するストリーミングモジュールを備えた極めて軽量なネットワークアーキテクチャ（FeatherNet A/B）が提案されました。我々が深度画像のみを使用して訓練した単一のFeatherNetは、0.00168のACER、0.35Mのパラメータ数、83MのFLOPSでより高い基準を提供します。さらに、「アンサンブル+カスケード」構造に基づく新しい融合手順が提示され、高性能を必要とするユースケースに対応しています。同時に、より多くの攻撃パターンと多様性を持つMMFDデータセットが収集され、より良い汎化性能を得るための支援となっています。我々はこの融合手法をCVPR2019での顔偽装攻撃検出チャレンジに使用し、以下の結果を得ました：ACER 0.0013、FPR=10e-2でのTPR 0.999、FPR=10e-3でのTPR 0.998、FPR=10e-4でのTPR 0.9814です。