オープンセットの静脈バイオメトリクス認識：深層メトリック学習による手法

arXiv cs.CV / 2026/4/17

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、クローズドセット型の静脈認識が新規ユーザー追加に対応できずモデル再学習が必要になる点を踏まえ、深層メトリック学習をオープンセット条件で評価しています。
データ不足やドメインシフトがオープンセット制約下での認識性能に与える影響を分析し、弁別的な埋め込みとプロトタイプ照合、較正した類似度しきい値により未登録の“なりすまし”を拒否する設計を提案します。
厳密な被験者非重複プロトコルで、指・手首・甲の静脈の4つのデータセットを用いて、登録済みユーザーの識別と未知被験者の識別を同時に検証します。
大規模ベンチマークMMCBNU 6000では、最良モデル（ResNet50-CBAM）がOSCR 0.9945、AUROC 0.9974、EER 1.57%、そして未知拒否を維持しつつRank-1 99.6%を達成しています。
アブレーションでは、トリプレット目的と単純な1-NN分類の組み合わせが精度と効率の最適なトレードオフを示し、コモディティなハードウェアでのリアルタイム運用を可能にすると報告しています。