精选理由
这篇论文直接优化EER指标，在18.5万人击键数据上EER降了30%，训练还更快，做生物识别的值得一看。
该论文提出EERLoss，一种可微且任意精度的等错误率（EER）近似损失函数，直接优化生物特征验证的主要评价指标。在KVC-onGoing基准上测试，涵盖超18.5万被试的击键动力学数据。消融实验表明EERLoss优于现有损失函数，且收敛更快。用EERLoss重新训练KVC-winning架构后，EER相对降低约30%，显著超越原SOTA。
AI 翻译 · 中文
该论文提出EERLoss，一种可微且任意精度的等错误率（EER）近似损失函数，直接优化生物特征验证的主要评价指标。在KVC-onGoing基准上测试，涵盖超18.5万被试的击键动力学数据。消融实验表明EERLoss优于现有损失函数，且收敛更快。用EERLoss重新训练KVC-winning架构后，EER相对降低约30%，显著超越原SOTA。
Deep learning approaches to biometric verification are commonly trained by optimizing indirect objectives, creating a misalignment between the optimization process and the primary evaluation metric, typically the Equal E…