申请/专利权人:华南理工大学
申请日:2024-01-29
公开(公告)日:2024-04-26
公开(公告)号:CN117935380A
主分类号:G06V40/40
分类号:G06V40/40;G06V40/16;G06V20/40;G06V10/25;G06V10/44;G06V10/82;G06V10/764;G06N3/0464;G06N3/084;G06V10/774
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种针对化妆人脸的欺诈检测方法及系统,该方法包括下述步骤:将各数据集的视频解码为帧序列;裁剪人脸区域并检测人脸标记点;选取部分素颜真实人脸图像生成化妆增广图像集;以批通道归一化模块改进后的ResNet18网络提取不同数据库的特征;获取不同数据库的最佳真假分类超平面并收敛为全局的真假分类超平面,计算全局交叉熵损失并输出二分类真假预测标签;计算出缓存区中与新样本最相似的K个样本,计算选出的锚点与新样本间的近邻监督对比损失;构建虚拟三元组并计算虚拟三元损失;构建总损失函数并训练得到预测模型;基于预测模型获取二分类预测概率。本发明有效提高了对于化妆人脸的泛化性及检测性能。
主权项:1.一种针对化妆人脸的欺诈检测方法,其特征在于,包括下述步骤:划分数据集,将各数据集的视频解码为帧序列;裁剪出各数据集帧序列和选取的化妆参考图像集的人脸区域,并进行人脸标记点检测;从裁剪出人脸区域的训练集中选取部分素颜真实人脸图像,以裁剪出人脸区域后的化妆参考人脸图像作为参考,进行化妆增广,生成化妆增广图像集;选取特征提取区域,以批通道归一化模块改进后的ResNet18网络作为骨干网络,将不同数据库的特征提取区域按批输入骨干网络进行特征提取,提取得到不同数据库的特征;基于不同数据库提取到的特征分别训练二分类器,获得不同数据库的全局最佳真假分类超平面,计算全局交叉熵损失,通过投影梯度方法优化不同数据库的最佳真假分类超平面并收敛为全局的真假分类超平面,输出二分类真假预测标签;建立存储样本特征表示的缓存区,对于以骨干网络提取的新样本特征,计算出缓存区中与其最相似的Top-K个样本,从中筛选出与当前样本同数据库且同类的样本作为锚点,计算锚点与新样本间的近邻监督对比损失;构建两个固定的正交向量,与骨干网络提取的特征构成虚拟三元组,计算虚拟三元组的虚拟三元损失;根据全局交叉熵损失、近邻监督对比损失和虚拟三元损失加权求和得到总损失函数,基于总损失函数训练得到预测模型;将人脸图像测试集输入到训练后的预测模型,获取二分类预测概率,输出最终预测结果。
全文数据:
权利要求:
百度查询: 华南理工大学 一种针对化妆人脸的欺诈检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。