人脸反欺诈模型训练方法、人脸反欺诈方法及装置制造方法及图纸

本申请公开了一种人脸反欺诈模型训练方法、人脸反欺诈方法及装置，属于人工智能技术领域。方法包括：将样本图像集中的人脸样本图像输入预设的初始模型中，以将人脸样本图像转换为表征人脸样本图像信息的输入序列；人脸样本图像有对应的人脸标签数据；基于Transformer模块和适配器模块对输入序列进行特征提取，得到输入序列的序列特征；基于序列特征和人脸标签数据对适配器模块进行训练，以更新适配器模块，得到人脸反欺诈模型。上述方法，在模型训练过程中，仅更新适配器模块，而不用微调部分或整个视觉Transformer模型的权重，从而大大降低了模型训练的复杂度，进而减少算力的消耗，同时通过公共数据集实验和实际生产测试，验证了方法有效性。

【技术实现步骤摘要】

本申请属于人工智能，尤其涉及一种人脸反欺诈模型训练方法、人脸反欺诈方法及装置。

技术介绍

1、人脸识别(face recognition，fr)作为最成功的计算机视觉技术，已广泛应用于移动门禁、自助终端机具、电子支付等不同应用场景。尽管取得了巨大的成功，fr系统仍然可能遭受扮演攻击，包括照片打印、视频重放以及三维立体(3d)面具等。因此，人们提出了一系列人脸反欺诈(face anti-spoofing，fas)算法，这些方法主要为基于人工设计特征的方法、基于卷积神经网络(convolutional neural networks，cnn)的方法、基于视觉transformer(vision transformer，vit)的方法等。

2、受vit成功的启发，fas研究人员一直在探索使用vit来解决人脸反欺诈问题。虽然从头开始将vit模型训练到fas任务需要大量的数据来实现一般化的性能，但imagenet预训练vit的模型权重可以很容易地从开源模型中获得，并且可以用于模型初始化，以便在fas数据上训练vit模型，例如可以通过自监督学习(ssl)或本文档来自技高网...

【技术保护点】

1.一种人脸反欺诈模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述适配器模块包括第一适配器模块和第二适配器模块；

3.根据权利要求1所述的方法，其特征在于，所述基于所述Transformer模块和所述适配器模块对所述输入序列进行特征提取，得到所述输入序列的序列特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述Transformer模块对所述输入序列进行推理，包括：

5.根据权利要求3所述的方法，其特征在于，所述使用所述适配器模块将所述Transformer模块的推理过程转换至与人脸反欺诈相关...

【技术特征摘要】

1.一种人脸反欺诈模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述适配器模块包括第一适配器模块和第二适配器模块；

3.根据权利要求1所述的方法，其特征在于，所述基于所述transformer模块和所述适配器模块对所述输入序列进行特征提取，得到所述输入序列的序列特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述transformer模块对所述输入序列进行推理，包括：

5.根据权利要求3所述的方法，其特征在于，所述使用所述适配器模块将所述transformer模块的推理过程转换至与人脸反欺诈相关联的目标空间中，包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述transformer模块和所述适配器模块对所述输入序列进行特征提取，得到所述输入序列的序列特征，包括：

7.根据权利要求6所述的方法，其特征在于，所述对所述二维重建序列进行卷积运算，得到所述输入序列的序列特征，包括：

8.根据权利要求7所述的方法，其特征在于，所述基于中心差分卷积提取二维重建序列中二次成像产生的伪影特征得到所述输入序列的序列特征，包括：

9.根据权利要...

【专利技术属性】
技术研发人员：章烈剽，雷云，
申请(专利权)人：广州广电卓识智能科技有限公司，
类型：发明
国别省市：