D

Dinov2 Liveness Detection V2.2.3

由nguyenkhoa開發
基於DINOv2架構的活體檢測模型,用於區分真實人臉與偽造攻擊,在評估集上達到99.32%的準確率。
下載量 346
發布時間 : 1/23/2025

模型概述

該模型是基於DINOv2架構微調的活體檢測模型,專門用於識別真實人臉與各種偽造攻擊(如照片、視頻重放等),可應用於身份驗證和安全系統。

模型特點

高精度檢測
在評估集上達到99.32%的準確率,F1值0.9932,具有優秀的真假人臉區分能力
抗攻擊能力強
針對各種偽造攻擊(如照片、視頻重放等)具有18.27%的攻擊呈現分類錯誤率(APCER)
低誤拒率
真實呈現分類錯誤率(BPCER)僅為0.89%,有效減少對真實用戶的誤判

模型能力

人臉活體檢測
偽造攻擊識別
即時人臉驗證

使用案例

身份認證
移動銀行身份驗證
在移動銀行應用中用於防止照片或視頻重放攻擊
可有效降低金融欺詐風險
門禁系統
用於智能門禁系統防止非授權人員使用照片或視頻欺騙系統
提高物理安全防護等級
安全防護
支付系統保護
在移動支付場景中確保交易者為真實用戶
減少支付欺詐行為
AIbase
智啟未來,您的人工智能解決方案智庫
© 2025AIbase