Learning Temporal Features Using LSTM-CNN Architecture for Face Anti-spoofifing
标签： 论文 anti-spooing
论文出处： 2015 3rd IAPR Asian Conference on Pattern Recognition
本文提出的方法
本文的贡献有，使用了端到端的网络进行欺诈检测，提出了LSTM-CNN结构，并且实验得出图片背景信息的有效性。
本文的CNN结构（两层CNN，文中给出了详细的卷积核情况），输入的是一帧帧的人脸，人脸使用opencv中的Viola-Jones提取：
LSTM-CNN结构，输入是多个经过CNN提取，并且经过FC的特征，因为LSTM可以提取时间信息，所以输入就是一个视频中的经过特征提取的多帧。
除此之外，还验证了不同面部占比（可以突出背景信息）的作用（在[19]中也有该方法）。
收获
1、时间信息可以用LSTM获取
参考文献重点摘录可作为以后读
视频分类的
[15] J. Y.-H. Ng, M. Hausknecht, S. Vijayanarasimhan, O. Vinyals, R. Monga, and G. Toderici. Beyond short snippets: Deep networks for video classifification. arXiv preprint arXiv:1503.08909, 2015. 2, 3
欢迎大家关注我的微信公众号，未来上面会推送python 机器学习 算法学习 深度学习 论文阅读 以及偶尔的小鸡汤等内容。ようこそいらっしゃい！