人脸算法更佳综述人脸检测综述( 三 ) _算法

总结Xi 对人脸识别的攻击威胁:一项综合调查标题:反击对人脸识别的威胁:综述作者:Fatemeh Vakhshiteh，Ahmad Nick Abadi链接:https://arxiv.org/abs/2007.11709
人脸识别(FR)系统已经展示了出色的验证性能，表明它适用于现实世界的应用，从社交媒体中的照片标记到自动边境控制(ABC) 。然而，在基于深度学习架构的高级FR系统中，仅仅提高识别效率是不够的，系统还应该承受为其熟练程度而设计的潜在攻击。最近的研究表明,(深度)FR系统对难以察觉或可察觉但看起来自然的对抗输入图像表现出令人着迷的脆弱性，这使得模型无法正确预测输出。本文全面研究了对FR系统的对抗攻击，并详细阐述了对抗这些系统的新对策的能力。
欺骗FR系统的对抗攻击生成的一般分类:
审查十二跨种族人脸反欺骗识别挑战综述标题:跨种族人脸反欺骗识别挑战综述作者:刘阿健，李链接:
本文整理了47篇相关文献。
最近公布了一个多种族的面部反欺骗数据集CASIA-SURF CeFA，用于测量种族偏见。它是更大和最新的跨种族面部反欺诈数据集，涵盖3个种族，3种形式，1607个主题和2D加3D攻击类型，是最近发布的面部反欺诈数据集中之一个包含明确种族标签的数据集。围绕这一新颖的资源，本文组织了Chalearn Face反欺骗攻击检测挑战赛，该挑战赛由单模(如RGB)和多模(如RGB、深度、红外(IR))航迹组成，旨在促进旨在缓解这一现状的种族偏见研究。在开发阶段，两条赛道都吸引了340个团队。最后，在单模和多模人脸反欺诈识别挑战赛中，分别有11支队伍和8支队伍提交了代码。所有结果都经过组委会的验证和重新运行，并在最终排名中使用该结果。本文总结了这一挑战，包括其设计，评估协议和结果总结。
多模式赛道9队ROC 。从左至右是协议4_1、4_2和4_3的ROC:
【人脸算法更佳综述人脸检测综述】
面向人脸反欺骗的多任务体系结构:
摘要十三深层伪装的产生和检测:一项调查标题:深层伪装的产生和检测:摘要作者:伊索尔·米尔斯基，柯文·李链接:https://arxiv.org/abs/2004.11138
本文整理出相关文献193篇。
生成式深度学习算法已经发展到了真假难辨的地步。2018年，人们发现这种技术非常容易被用于不道德和恶意的应用，如传播虚假信息，冒充政治领导人和诽谤无辜的人。此后，这些“深度诈骗”有了很大进展。在本文中，我们将讨论Deepfake的创建和检测，并深入探讨这些架构是如何工作的。这项调查的目的是让读者了解(1)如何创建和检测深度欺诈；(2)该领域的当前趋势和进展；(3)当前防御解决方案的缺点；(4)需要进一步研究和关注的领域。
Deepfake信息信任表:
对抗性机器学习和deepfake的区别；
以上是2020年发表的医学影像方向的总结论文汇总。如有遗漏和不足，请在评论区补充建议。

人脸算法更佳综述 人脸检测综述( 三 )

人脸算法更佳综述人脸检测综述( 三 )