【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种特征解耦模型的训练方法、活体攻击检测方法及装置。
技术介绍
1、活体攻击检测是人脸识别系统中不可缺少的一环，通过活体攻击检测可以有效的拦截非活体类型的攻击样本。然而，随着人脸识别系统不断的应用到更多的领域，会遇到多种表征差异迥异的场景特性，如何能让一套活体攻击检测模型在面对未知新场景部署时无差异性的适配成为了亟需解决的技术问题。
技术实现思路
1、本说明书的一个或多个实施例提供了一种特征解耦模型的训练方法、活体攻击检测方法及装置，能够利用特征解耦所得到的特征进行活体攻击检测，对活体攻击检测模型的鲁棒性进行优化。
2、根据第一方面，提供了一种特征解耦模型的训练方法，包括：
3、获取样本图像的样本特征；
4、将所述样本特征输入编码器进行特征解耦，得到域不变特征和特定特征；
5、基于所述域不变特征和所述特定特征进行特征重建，基于重建特征和所述样本特征，确定重建损失函数；
6、针对预设的分类子任务，设置针...
【技术保护点】
1.一种特征解耦模型的训练方法，包括：
2.如权利要求1所述的方法，所述分类器采用以下方式预训练得到：
3.如权利要求1所述的方法，将所述特定特征输入所述分类器，基于所述分类器的识别结果对所述编码器进行对抗学习训练，并确定对抗学习损失函数，具体包括：
4.如权利要求1所述的方法，所述特定特征包括类无关特征和域特定特征；基于所述域不变特征和所述特定特征进行特征重建，基于重建特征和所述样本特征，确定重建损失函数，具体包括：
5.如权利要求4所述的方法，所述分类子任务包括活体攻击识别子任务和域类型识别子任务；针对预设的分类子任...
【技术特征摘要】
1.一种特征解耦模型的训练方法，包括：
2.如权利要求1所述的方法，所述分类器采用以下方式预训练得到：
3.如权利要求1所述的方法，将所述特定特征输入所述分类器，基于所述分类器的识别结果对所述编码器进行对抗学习训练，并确定对抗学习损失函数，具体包括：
4.如权利要求1所述的方法，所述特定特征包括类无关特征和域特定特征；基于所述域不变特征和所述特定特征进行特征重建，基于重建特征和所述样本特征，确定重建损失函数，具体包括：
5.如权利要求4所述的方法，所述分类子任务包括活体攻击识别子任务和域类型识别子任务；针对预设的分类子任务，设置针对所述子任务的预训练的分类器，具体包括：
6.如权利要求5所述的方法，将所述特定特征输入所述分类器，基于所述分类器的识别结果对所述编码器进行对抗学习训练，并确定对抗学习损失函...
【专利技术属性】
技术研发人员：武文琦，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。