EER低至0.41%
该模型引入通道软注意力对特征图进行动态重校准,相比原始Res2Net在逻辑访问场景下相对提升超过38%。
Minjiao, Yang · 郑康锋 · 王秀娟 · Sun, Yudao · Zhe, Chen
IEEE Signal Processing Letters 2023
相比Res2Net变体，标准Res2Net在跨场景下表现出更优的泛化能力，动态调制进一步提升了模型适应性。
通道软注意力动态重校准特征图，使模型能够根据欺骗线索的尺度变化进行自适应调整。
在逻辑访问数据集上，动态调制Res2Net相比原始Res2Net的等错误率相对降低超过38%。
结合低频特征后，模型在LA和PA上的EER分别低至1.21%和0.41%，成为顶级单系统之一。