针对人脸活体检测中存在的嵌入特征混叠、泛化能力差的问题，采用异常检测的方法来学习活体样本的一个紧凑表示空间，并通过像素级的辅助监督来获得更细粒度的活性特征；为了获得更清晰的分类边界，引入多尺度三元组损失来优化模型，采用批内和批间样本挖掘相结合的方法，来扩大样本挖掘范围，以获得更多有效的样本对。通过在公开数据集OULU、Replay Attack和CASIA上的对比实验，证明了算法的鲁棒性和泛化能力。
科研之友
微信
新浪微博
Facebook
分享链接
