统一的虹膜反欺骗框架：引入虹膜反欺骗跨域测试协议与掩码化-MoE 方法
计算机视觉与模式识别
2025-04-14 v2
摘要
虹膜识别因其稳定性和独特性而广泛应用于高安全场景。然而，不同设备捕获的虹膜图像存在某些和与设备相关的一致差异，这对反欺骗分类算法产生更大影响。不同种族的虹膜也会影响分类，导致身份盗窃风险。因此，有必要提高虹膜反欺骗（IAS）方法的跨域能力，以增强其在应对不同种族和设备时的鲁健性。然而，现有没有一个全面可用的协议。为此，我们提出了虹膜反欺骗跨域测试（IAS-CDT）协议，该协议涉及 10 个数据集，来自 7 个数据库，由 4 个机构发布，使用 6 种不同设备收集。它包含三个层次化的子协议，旨在评估 IAS 模型的平均性能、跨种族泛化和跨设备泛化。此外，为了解决 IAS-CDT 协议带来的跨设备泛化挑战，我们采用多个模型参数集从多个子数据集中学习。具体而言，我们利用混合专家（MoE）使用多个子神经网络拟合复杂数据分布。为进一步增强泛化能力，我们提出了一种新方法 Masked-MoE（MMoE），随机掩码部分专家的标记，并要求其输出类似于未被掩码的专家，从而有效缓解 MoE 的过拟合问题。对于评估，我们选取 ResNet50、VIT-B/16、CLIP 和 FLIP 作为代表性模型，并在提议的 IAS-CDT 协议下进行基准测试。
引用
@article{arxiv.2408.09752,
title = {A Unified Framework for Iris Anti-Spoofing: Introducing Iris Anti-Spoofing Cross-Domain-Testing Protocol and Masked-MoE Method},
author = {Hang Zou and Chenxi Du and Ajian Liu and Yuan Zhang and Jing Liu and Mingchuan Yang and Jun Wan and Hui Zhang and Zhenan Sun},
journal= {arXiv preprint arXiv:2408.09752},
year = {2025}
}