Název: Klasifikace živosti tváří s detekcí dat mimo distribuci
Překlad názvu: Face Anti-Spoofing with Out-of-distribution Detection
Autoři: Češka, Petr ; Vaško, Marek (oponent) ; Špaňhel, Jakub (vedoucí práce)
Typ dokumentu: Diplomové práce
Rok: 2024
Jazyk: cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze] [eng]
Cílem této diplomové práce je zvýšit přesnost modelů pro klasifikaci živosti tváří založených na obrazovém Transformeru při odhalování prezentačních útoků. Diplomová práce využívá detekci dat mimo distribuci k odfiltrování obrázků, které se příliš liší od tréninkové sady dat označovaných jako data v distribuci. Zkoumá se, jak úspěšně různé metody identifikují rozdílné distribuce dat a jak odfiltrování dat mimo distribuci na základě těchto metod ovlivňuje přesnost modelu. Pomocí relativní Mahalanobisovy vzdálenosti je možné dosáhnout hodnoty AUROC 97.6 % při rozlišování dat v distribuci a mimo ni. Odfiltrováním obrázků, které by neměly být klasifikovány, se zvýší přesnost všech testovaných modelů nad 99.9 %. To může poskytnout další vrstvu zabezpečení pro aplikace proti útokům využívajícím podvržení tváří. This thesis aims to improve the accuracy of Vision Transformer-based face anti-spoofing models in detecting presentation attacks. The thesis uses out-of-distribution detection to filter out images that are too different from the training data, referred to as in-distribution. It examines how successful different methods are in identifying different data distributions, and how the filtering of out-of-distribution data based on these methods affects the accuracy of the model. Using the relative Mahalanobis distance, an AUROC of 97.6% can be achieved when distinguishing between in-distribution and out-of-distribution data. Filtering out images that should not be classified increases the accuracy of all tested models to over 99.9%. This can provide an additional layer of security for applications against face spoofing attacks.
Klíčová slova: Anti-spoofing; Biometrická bezpečnost; Detekce dat mimo distribuci; Detekce podvržených tváří; Filtrování dat; Hluboké neuronové sítě; Klasifikace živosti tváře; Obrazový Transformer; Relativní Mahalanobisova vzdálenost; Spoofing; Zpracování obrazu; Anti-Spoofing; Biometric Security; Data Filtering; Deep Neural Networks; Face Liveness Detection; Image Processing; Out-Of-Distribution Detection; Relative Mahalanobis Distance; Spoofing; Vision Transformer

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: https://hdl.handle.net/11012/248560

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-617985


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Diplomové práce