人工智能安全：原理與實踐 課件 第3章 卷積神經網絡的安全應用(3.3基于卷積神經網絡的人臉活體檢測-實踐)_第1頁
人工智能安全：原理與實踐 課件 第3章 卷積神經網絡的安全應用(3.3基于卷積神經網絡的人臉活體檢測-實踐)_第2頁
人工智能安全：原理與實踐 課件 第3章 卷積神經網絡的安全應用(3.3基于卷積神經網絡的人臉活體檢測-實踐)_第3頁
人工智能安全：原理與實踐 課件 第3章 卷積神經網絡的安全應用(3.3基于卷積神經網絡的人臉活體檢測-實踐)_第4頁
人工智能安全：原理與實踐 課件 第3章 卷積神經網絡的安全應用(3.3基于卷積神經網絡的人臉活體檢測-實踐)_第5頁
已閱讀5頁，還剩7頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

李劍博士，教授，博士生導師網絡空間安全學院lijian@January23,2025第三章卷積神經網絡的安全應用實踐3-2基于卷積神經網絡的人臉活體檢測本實踐介紹傳統的人臉識別方法通常只依賴于靜態的人臉圖像進行識別。這種技術方法容易受到欺騙，例如使用照片、視頻或面具等進行偽造。為了解決這個問題，人臉活體檢測技術（FaceLivenessDetection）應運而生。本實踐內容講述如何使用卷積神經網絡來實現人臉的活體檢測。1.人臉活體檢測概述它的主要目的是防止攻擊者使用靜態圖像或非真實人臉進行欺騙，以提高人臉識別系統的安全性和準確性。人臉活體檢測的常見方法如下：1.眨眼檢測（BlinkDetection）2.姿態檢測（PoseDetection）3.紅外活體檢測（InfraredLivenessDetection）4.活體反饋檢測（LiveFeedbackDetection）2.人臉活體檢測的應用?VGG模型（VisualGeometryGroupNetwork）是由牛津大學的視覺幾何組在2014年提出的深度卷積神經網絡（CNN）模型，主要應用于圖像分類和識別任務。?VGG模型在ImageNet大規模視覺識別競賽（ILSVRC）中獲得了圖像分類任務的第二名，第一名是GoogLeNet。VGG模型以其簡潔和一致的結構著稱，主要使用小型3x3的卷積核和2x2的最大池化層。?人臉活體檢測有很多應用場景，下面是一些典型的應用：身份認證安防監控網絡安全3.實踐目的1.理解VGG模型結構及其運作原理。研究VGG模型的網絡結構，包括其卷積層、激活函數、池化層和全連接層的設計和作用。2.設計卷積神經網絡訓練流程。3.理解人臉活體檢測的基本原理，完成程序設計。4.實踐架構架構5.實踐環境 python版本：3.8或更高版本 深度學習框架：TensorFlow2.4.1

其他庫版本：imutils0.5.4Keras2.4.3h5py2.10.0sklearn0.0 opencv-python8

運行平臺：VSCode6.實踐過程1.導入庫文件requirements.txt。2.編寫模型文件model.py。該文件使用Keras庫構建了一個名為MiniVGG的卷積神經網絡（CNN）模型。該模型主要用于圖像分類任務，接收特定尺寸和深度的圖像作為輸入，并輸出屬于不同類別的概率。3.編寫訓練文件train.py。4.編寫工具文件utils.py。7.實踐結果結果real,fake8.參考代碼本節實踐內容的Python語言參考源

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論