结构感知虹膜识别模型

少标签高精度

利用方向条带掩码与序数双线性池化，让 Transformer 在少量标注下也能捕捉虹膜纹理的角向与径向依赖。

Shiao, Duan · Jia, Lingyao · 李培华

Pattern Recognition 2026

技术优势

标注更少也能学

MAE 预训练从无标注数据中学习空间依赖，因此微调时只需少量标注样本即可达到高精度。

保留结构信息

OBP 通过方向序数比较和区域双线性池化，避免传统类令牌或全局池化丢失虹膜纹理的空间结构。

三个库上都领先

在 ND-IRIS-0405、CASIA-IrisV4-Thousand、CASIA-IrisV4-Lamp 上均取得优于现有方法的识别精度。

应用场景

• 身份认证：用少量标注训练出高精度虹膜识别模型，降低部署成本。
• 移动设备安全：模型轻量且精度高，适合移动端本地虹膜解锁。
• 边缘计算视觉：预训练模型免大量标注，可快速适配边缘端虹膜识别。
• 工业视觉检测：结构感知特征提取可用于工业场景下纹理相似但需细节判别的检测。