2017 Discriminative Representation Combinations for Accurate Face Spoofing Detection
代码:https://github.com/houliang428/CNN-for-face-anti-spoofing
提出了一个11层的VGG网络(VGG-11)以及两个衍生网络
数据预处理(CASIA-FASD)
- 从每个视频随机选择100帧
- 用 voila-jones 级联分类器进行人脸区域检测,并归一化
- 24000张训练图片和36000张测试图片
模型训练
对于CNN架构的训练,提出了一个50RS-30SeC-1E(每次前传随机选取50张人脸图片,30次前传作为一个epoch)训练策略,也即1个epoch共1500张随机人脸图片通过CNN网络。
- learning rate :初始化为 0.01,前100次迭代为0.01,接下来的100, 200 和 50 次迭代,学习率分别下降0.1倍,
- weight decay = 0.005
- FC dropout = 0.5 for Network A B C
- 每个最大池化层 dropout = 0.5 for network C
- ReLU
- 帧 resized 为96 96,保持patch的中心部分和纵横比(考虑GPU性能)