Biyometrik özelliklerden faydalanan kimlik doğrulama amaçlı çeşitli yöntemler literatürde bulunmaktadır. Bu yöntemlerden biri olan yüz tanıma sistemi, diğer biyometrik sistemlere göre temassızlık ve düşük maliyetli kameralar sayesinde daha çok tercih edilir hale gelmiştir. Sahtekarlar bu sistemlere çeşitli yöntemlerle saldırı düzenleyerek yetkisiz giriş yapmaktadırlar. Bu saldırılar basılı fotoğraflar, dijital fotoğraflar ve 3 boyutlu maskeler ile yapılmaktadır. Gerçek girişim ve sahte girişimler sınıflandırma yaklaşımı ile tespit edilecektir.
Renkler karşısında insan teninin, fotoğraf kâğıdının ve dijital ekranların yansıma karakteristiğinin analizi için MobileNetv2 modeli tercih edildi. 2018 yılının başlarında literatüre giren bu model mobil cihazlarda çalışma yeteneğine sahiptir. MobileNetV2, etkili yapı taşları olarak derinlemesine ayrılabilir evrişimi kullanarak MobileNetV1 fikirlerini temel alır. Bununla birlikte, V2 mimariye iki yeni özellik sunar; 1) katmanlar arasındaki doğrusal darboğazlar, 2) darboğazlar arasındaki kısayol bağlantılarıdır. MobileNetV2, nesne algılama ve bölümleme için çok etkili bir özellik çıkarıcıdır. Örneğin, yeni tanıtılan SSDLite ile eşleştirildiğinde algılama için yeni model, MobileNetV1'den aynı doğrulukla yaklaşık %35 daha hızlıdır. MobileNetV2 Mimarisi ImageNet veri seti kullanılarak bir milyondan fazla görüntü üzerinde eğitilmiş ağ üzerinden transfer öğrenimi (transfer learning) ile oluşturduğumuz veri setleri ile model eğitimi yapılmaktadır. Transfer öğrenimi bir problemi çözerken edinilen bilgi ve tecrübeyi başka bir problemi çözerken kullanmaktır.
