2017 Discriminative Representation Combinations for Accurate Face Spoofing Detection

代码：https://github.com/houliang428/CNN-for-face-anti-spoofing
提出了一个11层的VGG网络（VGG-11）以及两个衍生网络

数据预处理（CASIA-FASD）

• 从每个视频随机选择100帧
• 用 voila-jones 级联分类器进行人脸区域检测，并归一化
• 24000张训练图片和36000张测试图片

模型训练

对于CNN架构的训练，提出了一个50RS-30SeC-1E(每次前传随机选取50张人脸图片，30次前传作为一个epoch)训练策略，也即1个epoch共1500张随机人脸图片通过CNN网络。

• learning rate ：初始化为 0.01，前100次迭代为0.01，接下来的100， 200 和 50 次迭代，学习率分别下降0.1倍，
• weight decay = 0.005
• FC dropout = 0.5 for Network A B C
• 每个最大池化层 dropout = 0.5 for network C
• ReLU
• 帧 resized 为96 $\times$× 96，保持patch的中心部分和纵横比（考虑GPU性能）

实验结果