04
Liveness — Détection d'usurpation faciale
La suite de Deep Scan : distinguer un vrai visage d'une attaque (photo imprimée, écran). Fine-tuning d'un ResNet18 pré-entraîné sur ImageNet en classification spoof / non-spoof, avec une interface Streamlit pour tester.
Stack
Que s'est-il passé ?
- 01
La question
Deep Scan reconnaît un visage. Mais que se passe-t-il si on lui montre une photo de ce visage ? Peut-on apprendre à un modèle à distinguer un vrai visage d'une imitation ?
- 02
Le problème
Pour un système de reconnaissance, une photo imprimée ou un visage affiché sur un écran ressemble beaucoup à la vraie personne. Sans détection d'usurpation, une simple photo peut suffire à tromper le système.
- 03
L'hypothèse
Une attaque laisse des traces que l'œil remarque à peine : texture du papier, reflets et pixels d'un écran. Un ResNet pré-entraîné, fine-tuné sur des exemples spoof / non-spoof, devrait apprendre à les repérer.
- 04
Le build
Fine-tuning d'un ResNet18 pré-entraîné sur ImageNet (avec l'option de geler le backbone), script d'inférence, tests unitaires, et une interface Streamlit qui affiche la classe prédite et le score de confiance.
- 05
La prochaine frontière
Obtenir des résultats fiables, mesurer la robustesse face à différents types d'attaques, puis brancher le modèle en amont de Deep Scan.