第三届人脸活体检测挑战赛@ICCV2021重磅来袭-技术圈

↑ 点击蓝字关注极市平台
作者丨Fisher 鱼子@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/367935339编辑丨极市平台

极市导读

中科院自动化所与ChaLearn及其它合作伙伴举办第三届人脸活体检测挑战赛（高保真度3D面具检测）@ICCV2021，并发布大规模高保真度3D人脸面具数据集 CASIA-SURF HiFiMask。 >>加入极市CV技术交流群，走在计算机视觉的最前沿

比赛入口：https://http://competitions.codalab.org/competitions/30910

比赛官网：https://http://sites.google.com/qq.com/face-anti-spoofing/welcome/challengeiccv2021

比赛官方网站

为了更好地促进人脸活体检测社区的发展，不同于前两届比赛专注于多模态多种族的通用人脸活体检测，本届比赛更关注人脸活体检测的一大难点：如何有效地检测高保真度3D人脸面具。借助于ICCV2021顶会平台，中科院自动化所与ChaLearn及其它合作伙伴举办第三届人脸活体检测挑战赛（高保真度3D面具检测）@ICCV2021，并发布大规模高保真度3D人脸面具数据集 CASIA-SURF HiFiMask [1] ，具体数据集介绍请参见 [arXiv] 文章：https://arxiv.org/pdf/2104.06148.pdf

CASIA-SURF HiFiMask 数据集

比赛队伍注册及数据集申请：

所有参赛者必须使用公司/学校邮箱注册，不接受个人邮箱（如 Gmail, QQ邮箱等等），且必须提供参赛队伍名字TeamName。同一个机构（公司/学校）最多可有3支队伍，且每个队伍中的成员不能有重复。所有已注册的队伍和机构最终都会显示得分和排名，若中途弃权最终会按0分显示。

数据集申请需发邮件到自动化所 Jun Wan 万军老师邮箱 (jun.wan@ia.ac.cn)，邮箱需包含：

Subjects: Dataset application for the 3rd Face Anti-spoofing Challenge@ICCV2021

Team Name: XX

Team Leader: XX

Team Members: XX,XX,XX (maximum 5 persons per team)

Homepage: (the formal website of the homepage of your workplace (i.e., university/company/institute)).

比赛 Protocol :

在数据集原文[1]中包含3个protocols，本比赛使用 Protocol 3 （具体见[1]中Appendix H）。该协议在 open set 设定下同时评估算法的可判别性及泛化性。换句话说，本次比赛的训练集和验证集仅仅包含常见场景下（如室内正常光照）的常见面具类型（如树脂面具），而测试集中则包含更丰富的场景及面具类型。Protocol 3 要求同时考虑“seen”和“unseen”场景及面具类型，更加符合实际落地部署需求。

比赛使用模型/算法注意事项：

1）比赛不能使用任何预训练模型 or 额外的数据集，也就是说参赛队伍公平地 train from scratch on HiFiMask

2）比赛只接收单模型结果，任何多模型fusion或者ensemble的策略将被禁止。同时为了促进资源efficient AI研究，单模型的 FLOPs 也限制于 100G 以内。

比赛时间节点（Important Dates）：

4月19日 —— 第一阶段比赛开始，开放训练集（with label）及验证集（without label）

6月10日 —— 第二阶段比赛开始，开放验证集label 及测试集（without label）

6月20日 —— 比赛结束

欢迎工业界及学术界的小伙伴们积极参与，本次比赛Top获胜队伍将会受邀投稿于对应的ICCV Workshop （具体时间待定）。跟往届比赛一样，Top获胜队伍也会颁发获奖证书及奖金。

比赛组织团队：

Jun Wan, NLPR, Institute of Automation, Chinese Academy of Sciences (CASIA), China

Sergio Escalera, Computer Vision Center (UAB) and University of Barcelona, Spain

Hugo Jair Escalante, INAOE, ChaLearn, Mexico

Ajian Liu, Macau University of Science and Technology (M.U.S.T.), Macau, China

Chenxu Zhao, Mininglamp Academy of Sciences, Mininglamp Technology, China

Zitong Yu, University of Oulu, Finland

Isabelle Guyon, Université Paris-Saclay, France and ChaLearn, Berkeley, California, USA

Guodong Guo, IDL, Baidu Research, China

Junliang Xing, Chinese Academy of Sciences (CASIA), China

Zhen Lei, NLPR, Institute of Automation, Chinese Academy of Sciences (CASIA)

Shaopeng Tang, Beijing Surfing Technology Ltd

Reference:

[1] Ajian Liu, Chenxu Zhao, Zitong Yu, Jun Wan, Anyang Su, Xing Liu, Zichang Tan, Sergio Escalera, Junliang Xing, Yanyan Liang, Guodong Guo, Zhen Lei, Stan Z. Li, Du Zhang, "Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection", arxiv, 2021.

如果觉得有用，就请分享到朋友圈吧！

△点击卡片关注极市平台，获取最新CV干货

公众号后台回复“何恺明”获取何恺明顶会分享资源～

极市干货

深度学习环境搭建：个人深度学习工作站配置指南｜深度学习主机配置推荐

实操教程：用OpenCV的DNN模块部署YOLOv5目标检测｜TensorRT的FP16 模型转换教程

算法技巧（trick）：17种提高PyTorch“炼丹”速度方法｜PyTorch Trick集锦｜深度学习调参tricks总结