本研究论文探讨了使用深度学习模型（特别是MobileNetV2、DenseNet-121和Inception-v3）来检测面部识别系统中的欺骗攻击。使用CelebA-Spoof数据集，研究发现MobileNetV2最有效，在保持计算效率的同时达到了92%的准确率。该论文还强调了其他模型泛化的挑战，并建议未来的工作集中在域适应和混合架构上，以提高生物特征安全性。 AI
影响 增强了对深度学习在保护生物特征系统免受复杂欺骗技术侵害方面作用的理解。
排序理由 该集群包含一篇学术论文，详细介绍了深度学习模型在生物特征欺骗检测方面的研究成果。[lever_c_demoted from research: ic=1 ai=1.0]
- CelebA-Spoof dataset
- DenseNet-121
- Inception-v3
- MobileNetV2
- MSU-MFSD dataset
- Spoof Trace Disentanglement (STD)
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →