跨数据集识别更稳健
同时从数据级和特征级增强泛化，有效应对未知目标数据集。
邵会凯 · Yuchen, Zou · 刘成程 · Qiang, Guo · 钟德星
IEEE Transactions on Information Forensics and Security 2024
在未知目标数据集上无需预先采集和训练，直接进行识别。
引入基于傅里叶的数据增强，生成更多新风格的训练数据，提高模型对未知数据样式的适应性。
通过多个有效损失函数减小源数据集与增强数据集之间的分布偏移，提取自适应特征。
与基线相比，准确率最高提升 18.20%，EER 最高降低 12.53%。