面向人脸跨流网络在中检测欺骗行为.pdfVIP

面向人脸跨流网络在中检测欺骗行为.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

面向人脸的跨流网络在中检测行为

111†2,311

,∗,∗,向涛温吉荣大数据管理和分析

方法重点,人民大学信息学院,100872,2英国萨里

3

大学电子与电气工程系英国三星AI

zhiwu.lu@.comt.xiang@surrey.ac.ukc.uk

这一涵盖了广泛的研究问题,例如检测

[36,37],中的识别[54,18],个性计算[49,56],

从现实生活中自动检测行为(ADD)是一项

和动作识别[6,26,28,35,40,47,59]。例如,在现实

具有性的任务。它特别需要解决两个问题:(1)人

场景中,识别主体的行为[36,37],

脸和身体都包含有关主体是否的有用线索。因此,如

[54,18],或个性特征[49,56]通常非常重要。

何有效地融合这两者是ADD模型有效性的关键。(2)现

实生活中的样本难以收集;因此,在有限的训练数据

检测[36,37]是人类分析中的一个较

上进行学习对大多数基于深度学习的ADD模型提出了挑

新的领域,仍然研究不足。[4]被定义为故意误导

战。在这项工作中,这两个问题都得到了解决。具体来

他人的行为。在我们的日常生活中,行为以有意

说,对于人脸‑身体多模态学习,提出了一种新颖的面向人

的、捏造、遗漏、等形式出现。一些行

脸的跨流网络(FFCSN)。它与流行的双流网络显著不

为可能无害,但其他行为可能对社会构成重大,

同之处在于:(a)在空间流中加入了人脸检测,以显式

例如上的行为。即使对于人类来说,检测现

捕捉面部表情,以及(b)在空间和时间流之间进行相关

实生活中的行为也是一个具有性的任务,通

性学习,以实现人脸和身体的联合特征学习。为了解

决训练数据稀缺的问题,我们的FFCSN模型采用了元学常需要经过良好培训的人类专家。因此,大规模部署

习和对抗学习进行训练。大量实验表明,我们的FFCSN检测依赖于自动检测(ADD)。[36,37]自

模型达到了最先进的结果。此外,所FFCSN模型动检测系统可以在许多现实场景中找到应用,包

及其稳健的训练策略被证明可以广泛应用于其他以人为中括机场安全检查、审判、求职面试和个人信用风

心的分析任务,如从用户生成的中进行识险评估。

别。ADD任务两大。(1)多模态融合:作为

人类行为的微妙特征,在现实场景中很难被检测

文档评论(0)

huang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档