FeatherNets: 얼굴 위조 탐지용 가벼운 컨볼루션 신경망

최근 얼굴 위조 탐지(Face Anti-spoofing)는 학계와 산업계에서 더욱 많은 관심을 받고 있습니다. 다양한 CNN 기반 솔루션의 등장으로 다중 모달(RGB, 깊이, 적외선) 방법론은 단일 모달 분류기보다 더 우수한 성능을 보였습니다. 그러나 성능 향상과 복잡성 감소가 필요합니다. 따라서 전역 평균 풀링의 약점을 개선하고 더 적은 매개변수를 사용하는 스트리밍 모듈을 포함한 극단적으로 가벼운 네트워크 구조(FeatherNet A/B)가 제안되었습니다. 깊이 이미지만으로 훈련된 단일 FeatherNet은 0.00168 ACER, 0.35M 매개변수 및 83M FLOPS로 더 높은 베이스라인을 제공합니다. 또한, "앙상블 + 캐스케이드" 구조를 활용한 새로운 융합 절차가 제시되어 성능 우선 사용 사례를 충족시키는데 도움을 줍니다. 한편, MMFD 데이터셋이 수집되어 더 많은 공격 유형과 다양성을 제공하여 일반화 능력을 향상시키는데 기여하였습니다. CVPR2019 얼굴 위조 공격 탐지 대회에서 융합 방법을 사용하여 0.0013(ACER), 0.999(TPR@FPR=10e-2), 0.998(TPR@FPR=10e-3), 0.9814(TPR@FPR=10e-4)의 결과를 얻었습니다.