É usato per creare un nuovo modello addestrandolo con immagini caricate tramite funzioni, quindi non è utile per immagini presenti in cartelle su drive(per ora utilizza solo tensorflow e keras) (è da eliminare).
Importa un modello da drive e lo attacca usando ART permettendo di stampare un subplot del risultato, fare testing e di attaccare singole immagini prelevate da drive.
Notebook che addestra un modello pytorch e lo attacca con FGM (è da eliminare)
Cartella con notebook richiesti dal prof, finora è stato realizzata solo una variante di FGM che calcola perturbazioni in scala di grigi
Cartella con notebooks che utilizzano il dataset con le impronte
Crea il dataset su Drive costituito dalle patch delle immagini originali (data augmentation offline)
Addestra un singolo scanner, lo salva su drive e testa la sua accuracy sul test set originale andando a fare la media delle predizioni delle 10 patch di ogni immagine
Importa modello da Drive, lo attacca e mostra i risultati di testing prima e dopo l'attacco
Variante di FGM che, settando minimal=True, applica le perturbazioni solo alle immagini spoof predette bene in maniera da far predire tutte le immaigni spoof come live. Final_noresize è un'ulteriore variante che attacca un'immagine alla volta ed effettua contemporaneamente il test sull'img_adv senza effettuare il resize (224,224), in questo modo, a causa della saturazione della RAM, non si riescono a memorizzare le img_adv ma si effettua un test identico a quello effettuando durante l'addestramento, senza alterazioni dovute al resize.