К содержимому
Другое

cvrl_s1_l2sp_replay

детектор поддельных отпечатков пальцев

2 мин чтенияобновлено

Модель решает задачу Presentation Attack Detection (PAD — выявление атак предъявления) и определяет по изображению, является ли отпечаток пальца живым (live) или поддельным муляжом (spoof). В основе лежит компактная свёрточная архитектура DenseNet-121 (веса занимают всего 28 МБ), дообученная методом L2-SP (регуляризация против катастрофического забывания) с повтором чистых данных. Модель экспортирована в формат TorchScript FP32 (.pt), поэтому загружается напрямую в PyTorch без исходного кода архитектуры. Подойдёт разработчикам биометрических систем контроля доступа и платежных сервисов, которым нужна лёгкая локальная защита от подделки отпечатков.

Ключевые особенности

  • Автономный формат TorchScript: файл .pt весом ~29,1 МБ поддерживает динамический размер батча и запускается без сторонних определений классов.
  • Точная конвертация: максимальное расхождение (max_abs_diff) с оригинальной моделью PyTorch FP32 составляет 0.0 при batch = 1 и batch = 5.
  • Высокие метрики на LivDet: на тесте LivDet 2015 (23 материала подделок) точность (ACC) достигает 99.08% при ROC-AUC 0.9996.
  • Прозрачная спецификация: в репозиторий включены manifest.json с описанием тензоров и контрольные суммы SHA256SUMS.

Что можно сделать

  • Встроить в биометрический сканер: подключить проверку подлинности отпечатка перед этапом распознавания личности на CPU или GPU через PyTorch.
  • Использовать схему adaptive_multipatch: подавать 5 кропов одного отпечатка батчем, усреднять логиты и отсекать подделки по порогу score_spoof >= 0.50.
  • Проверить устойчивость к генеративным фейкам: использовать как базовый детектор против синтетических подделок (на наборе LayerStack V10 модель ловит 98.18% атак).

Пример

import torch

model = torch.jit.load("cvrl_densenet121_s1_l2sp_replay_224_torchscript_fp32.pt", map_location="cpu").eval()
x = torch.randn(5, 3, 224, 224, dtype=torch.float32)  # RGB-кропы после нормализации ImageNet
with torch.no_grad():
    probs = torch.softmax(model(x).mean(dim=0), dim=-1)
    pred = "spoof" if float(probs[1]) >= 0.50 else "live"
print(pred, float(probs[1]))
ПодробнееБенчмарк LivDet 2009–2013 (29 892 фото, 11 сенсоров): ACC 97.01%, ACER 3.00%, ROC-AUC 0.9955.
Бенчмарк LivDet 2015 Testing (10 443 фото, 4 сенсора): ACC 99.08%, APCER 0.64%, BPCER 1.29%, ACER 0.96%.
Бенчмарк LayerStack V10 (2 473 синтетические подделки): обнаружение 98.18% (98.71% на CrossMatch, 97.40% на GreenBit).
Вход: float32 тензор [batch, 3, 224, 224] в RGB с нормализацией ImageNet; выход: логиты [batch, 2].
Обсудить Telegram 0

Запустится ли?

Запустится в FP32

Влезает без сжатия.

  • FP32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · FP32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # SonNX24042005/fringerprint-pad
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download SonNX24042005/fringerprint-pad --local-dir ~/models/fringerprint-pad
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к fringerprint-pad
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии fringerprint-pad — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

SonNX24042005/fringerprint-pad
Автор
SonNX24042005
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Eraser

Eraser