使用深度类编码器进行虹膜图像的性别与种族分类

软生物特征模态已在包括显著缩小搜索空间在内的不同应用中展现了其实用性。这带来了识别性能的提升、计算时间的减少以及测试样本的更快速处理。一些常见的软生物特征模态包括种族、性别、年龄、发色、虹膜颜色、面部毛发或痣的存在以及标记。本研究聚焦于对虹膜图像进行种族和性别分类。我们提出了一种新颖的基于监督自编码器的方法——深度类编码器，它利用类别标签，通过将学习到的特征向量映射到其标签，来学习给定样本的判别性表示。所提出的模型在两个数据集上分别针对种族和性别分类进行了评估。使用所提出的深度类编码器获得的结果，与现有方法和最先进方法相比，证明了其有效性。