研究人员推出AGVBench，这是一个旨在评估血管识别系统数据增强策略的新基准。该基准在公共手掌和手指静脉数据集上测试了七种不同模型架构的30种增强方法。研究结果表明，MixUp和PuzzleMix等多种图像混合技术提供了最佳识别性能，但存在校准不佳和对抗性脆弱性问题。研究还强调，严重的几何变换会降低识别精度，并且增强效果在手掌和手指静脉数据集之间存在差异，这凸显了超越简单准确性的面向可靠性的评估的必要性。 AI
影响 通过数据增强为评估和改进生物识别系统的可靠性和安全性提供了一个标准化框架。
排序理由 该条目描述了一个新的基准测试和与血管识别数据增强相关的研究结果，发布在arXiv上。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.02271v1 Announce Type: new Abstract: Vein recognition is a secure biometric technology often constrained by limited annotated data and imaging variations. While data augmentation mitigates this, strategies designed for natural images may disrupt the fine-grained topolo…
Vein recognition is a secure biometric technology often constrained by limited annotated data and imaging variations. While data augmentation mitigates this, strategies designed for natural images may disrupt the fine-grained topology and textures essential for identity discrimin…