申请/专利权人:电子科技大学长三角研究院(湖州)
申请日:2024-01-10
公开(公告)日:2024-04-30
公开(公告)号:CN117953595A
主分类号:G06V40/40
分类号:G06V40/40;G06V10/82;G06V10/80;G06N3/047;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开基于概率表征的鲁棒性多模态活体检测方法,涉及计算机技术领域,解决现有活体检测方法在处理不完整输入时鲁棒性较差的问题;本发明包括:获取缺失鲁棒多模态输入表征zi;获取概率化的多模态表征的高斯分布pmi|xi;采用重参数化将采样操作移动到网络外部,得到重参数化后的采样嵌入结果mi;引入正则化项LDR限制方差范围;通过方差排序挖掘困难模态组合;计算困难模态正则化损失LUDR;定义并计算总损失,反向传播优化模型;本发明提出的方法合理利用多模态信息来增强活体检测模型性能的同时保证了模型对不同模态缺失情况的鲁棒性。
主权项:1.基于概率表征的鲁棒性多模态活体检测方法,其特征在于,包括以下步骤:步骤1:获取缺失鲁棒多模态输入表征zi;步骤2:获取概率化的多模态表征的高斯分布pmi|xi;步骤3:采用重参数化将采样操作移动到网络外部,得到重参数化后的采样嵌入结果mi′;步骤4:引入正则化项LDR限制方差范围;步骤5:通过方差排序挖掘困难模态组合;步骤6:计算困难模态正则化损失LUDR;步骤7:定义并计算总优化损失,反向传播优化模型。
全文数据:
权利要求:
百度查询: 电子科技大学长三角研究院(湖州) 基于概率表征的鲁棒性多模态活体检测方法
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。