.png){kind=icon}
返回
Statistical clustering-based iris recognition: Addressing interpretability and uncertainty challenges
.png){kind=icon}
PRE
AI
DOI：10.1007/s11042-026-21787-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对传统虹膜识别中可解释性差和跨场景结构泛化能力低的问题，本文提出了一种基于统计聚类的虹膜识别框架。结合经典计算机视觉与统计学习，该框架通过特征变换、归一化和池化处理虹膜图像。随后，通过聚类分析确定32维连续数据范围作为类别先验知识，并基于多参数协同相似度计算实现一对多识别及新类别的无限添加。实验结果表明，在JLU和CASIA虹膜数据库上，该框架平均等错误率（EER）低至0.72%-0.78%，在CPU环境下单次推理时间仅需1.5 ms。此外，新增类别不影响原始模型性能。该框架平衡了识别精度、结构泛化能力和操作可解释性，同时具有低计算成本，适用于资源受限场景。
Keyword:
Iris recognition
Statistical clustering
Category empirical knowledge
Interpretability
Structural generality
期刊
IF:
3
论文数:
2.0W
被引数:
3.2W
机构
引用论文
分享收藏Iris matching recognition based on information quantity and complex domain in low-computational power scenarios基于信息量和复数域的虹膜匹配识别在低计算能力场景下
PREAI
分享收藏Accurate iris segmentation and recognition using an end-to-end unified framework based on MADNet and DSANet.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏
查看更多内容