AGVBench: Chuẩn đánh giá tăng cường dữ liệu cho nhận diện tĩnh mạch

Nội dung dịch chi tiết

Nhận dạng tĩnh mạch là một công nghệ sinh trắc học bảo mật cao, nhưng thường bị hạn chế bởi lượng dữ liệu chú thích ít và sự biến đổi trong quá trình chụp ảnh. Mặc dù tăng cường dữ liệu giúp giảm thiểu vấn đề này, các chiến lược vốn được thiết kế cho ảnh tự nhiên có thể làm hỏng cấu trúc liên kết và kết cấu chi tiết vốn rất quan trọng để phân biệt danh tính.

Nhóm nghiên cứu giới thiệu AGVBench, một bộ chuẩn đánh giá 30 chiến lược tăng cường dữ liệu tiêu biểu trên năm tập dữ liệu tĩnh mạch lòng bàn tay và ngón tay công khai. Nghiên cứu sử dụng bảy kiến trúc nền tảng, bao gồm các mô hình CNN cổ điển, vision transformers và các mô hình nhận dạng chuyên biệt cho tĩnh mạch.

Kết quả cho thấy các phương pháp trộn nhiều ảnh (như MixUp, PuzzleMix, StarMixup) thường mang lại hiệu suất nhận dạng mạnh mẽ nhất. Tuy nhiên, các phương pháp này thường được hiệu chuẩn kém và dễ bị tổn thương trước các nhiễu đối kháng, cho thấy sự mâu thuẫn rõ rệt giữa độ chính xác trên dữ liệu sạch và tính bảo mật đối kháng.

Nghiên cứu cũng phát hiện ra rằng các phép biến đổi hình học nghiêm ngặt thường làm giảm hiệu suất nhận dạng, có thể do sai lệch đặc trưng hoặc cắt xén không gian. Ngoài ra, hiệu quả của việc tăng cường dữ liệu cũng thay đổi tùy theo tập dữ liệu tĩnh mạch lòng bàn tay hay ngón tay.

Những phát hiện này chứng minh rằng việc đánh giá chỉ dựa trên độ chính xác là không đủ đối với tăng cường dữ liệu sinh trắc học. AGVBench cung cấp các giao thức tiêu chuẩn hóa để hỗ trợ nghiên cứu có thể tái lập, đồng thời định hướng thiết kế các hệ thống nhận dạng tĩnh mạch đáng tin cậy, an toàn và mạnh mẽ hơn.