这项由重庆工商大学、西湖大学、法国巴黎综合理工学院旗下Telecom SudParis以及广州应用科技学院联合开展的研究于2026年7月2日以预印本形式发布在arXiv平台编号为arXiv:2607.02271v1收录于计算机视觉领域cs.CV。对这一课题感兴趣的读者可通过上述编号在arXiv检索到完整论文。每个人的手掌和手指内部藏着一张独一无二的蓝图——那是密密麻麻的静脉血管网络。由于这张蓝图深藏皮肤之下既无法被简单复制也难以被伪造静脉识别因此成为当前安全性最高的生物特征识别技术之一。用它来解锁手机、验证身份、进入银行金库比指纹甚至人脸识别都要可靠得多。然而要让人工智能学会认识这张蓝图就必须喂给它大量的训练样本——越多越好。问题偏偏出在这里采集静脉图像需要专用的近红外摄像设备涉及隐私保护数据量天然稀缺。面对这种粮荒研究人员们早就想出了一个常用办法数据增强。简单地说就是对已有的图像动动手脚——翻个面、旋转一下、调调亮度、拼接两张图……用这种方式人为制造出更多新样本让人工智能有足够的素材去练习。这种技巧在识别猫狗照片、分类自然风景图时效果显著于是研究者们几乎不假思索地把同样的招数搬到了静脉识别领域。然而这项联合研究的核心发现让人有些意外那些在自然图像识别上屡试不爽的增强方法放到静脉识别上结果好坏参半甚至有时适得其反。更棘手的是那些让识别准确率看起来漂亮的方法往往在安全性和可靠性上留下了隐患。为了彻底摸清这个问题研究团队建立了一个名为AGVBench的评估平台对30种代表性的数据增强策略进行了系统性的体检实验横跨五个公开静脉数据集和七种深度学习骨干架构。一、为什么静脉图像不能随便乱动要理解这场困局得先弄清楚静脉图像与普通照片的根本差异。在日常的图片识别任务里一只猫不管是正着放还是倒着放、亮着还是暗着、完整还是只露出半个脑袋人眼一眼就能认出它是猫机器经过训练之后也能做到同样的事。正是因为这种鲁棒性对自然图像做各种花式变换反而有助于让模型学得更扎实。然而静脉图像的识别逻辑完全不同。身份信息藏在那些细如发丝的血管走向、分叉位置和相互连接的拓扑结构里——换句话说是结构关系而不是整体外观。一旦对图像做了大幅度的旋转、翻转或裁剪血管的走向就变了、位置关系就乱了原本精妙的身份密码可能就此被抹去。这就好比把一张详细的地铁线路图随意旋转90度并裁掉一半你仍然能看出那是个地铁线路图却完全无法判断从A站到B站该怎么走。正因如此研究团队认为专门针对静脉识别的增强方法评估框架早该建立。目前学界的状况是各个研究团队用着各自不同的参数设置、各自不同的代码风格、各自不同的评测标准彼此之间的结果根本没法比较实践者也不知道该优先采用哪种方法。AGVBench的出现正是为了填补这个空白。二、AGVBench一座专为静脉识别搭建的测试赛道AGVBench的整体框架建立在PyTorch和OpenMMLab的计算机视觉基础库MMCV之上被设计成高度模块化的结构。研究人员把整个系统拆分成四大功能板块负责模型组件注册与数据流水线的核心库、负责集中管理超参数和实验配置的配置模块、负责分布式训练执行与综合指标评估的工具脚本以及负责存储训练日志、模型权重和分析结果的工作目录。整个流程由一份配置文件统一驱动用户只需在其中指定数据集、增强方法、骨干架构和训练超参数系统就会自动完成从初始化到评估的全套流程。在增强方法的选择上研究团队覆盖了三大类共30种方法每一类都有其独特的作用机制。第一类是单图增强方法只对单张图片动手术。其中最基础的操作包括翻转、旋转、仿射变换、模糊和噪声添加更进一步的是空间遮挡类方法例如Cutout随机在图像上盖一个黑色方块、RandomErasing随机擦除图像中的一块区域和GridMask用网格状的遮罩盖住部分区域这些方法强迫模型不要只依赖局部特征而是学会从全局结构推断信息。更高级的是策略驱动类方法如AutoAugment自动从数据中搜索最优的增强组合、RandAugment在简化搜索空间中随机选取增强操作和TrivialAugment完全不需要调参直接随机采样操作此外还有TeachAugment利用教师网络的知识引导增强方向和KeepAugment基于显著性图保留重要区域不被破坏等更精细的策略。第二类是多图混合增强方法将两张或多张图片以某种方式融合同时对标签也做相应的插值处理。最基础的MixUp直接按比例把两张图片的像素值加权平均CutMix则是从一张图上切下一块贴到另一张图上。后来的研究者在此基础上不断改进FMix利用傅里叶变换生成更自然的混合遮罩SaliencyMix和GuidedMixup会优先保留包含重要信息的区域PuzzleMix采用最优传输理论来对齐两张图片中的语义内容StarMixup则是一种专门为静脉识别设计的端到端可优化混合策略能根据模型当前的训练状态动态调整混合策略。第三类是标签增强方法不改动图片本身而是改变训练时使用的答案。正常训练时模型的答案是硬性的一定是第3类而标签平滑LabelSmoothing会把答案改成有90%可能是第3类其他类各占一点点这样做能防止模型过度自信。OnlineLabelSmooth会根据模型历史预测的统计分布动态更新软标签DirichletLabelSmooth则用Dirichlet分布来参数化生成软标签ConfidencePenalty直接对过于自信的输出施加惩罚Bootstrapping则把模型自己当下的预测混入训练标签中。在骨干架构方面研究团队选取了两类七种模型。通用视觉模型包括轻量级卷积网络MobileNetv2、标准残差网络ResNet18、基于全局注意力机制的Vision Transformer SmallViT-S和基于层次化注意力的Swin Transformer TinySwin-T。领域专用模型则包括FVRASNet专为手指静脉设计的嵌入式识别网络、AMPVNet专为无约束条件下的掌静脉识别设计的网络和StarLKNet-S一种基于大核卷积的静脉识别专用架构。在数据集方面研究团队选取了三个掌静脉数据集和两个手指静脉数据集。VERA220包含110名受试者、每人20张共2200张图像采集于开放环境存在轻微姿态变化和环境光干扰TJU600包含300名受试者、每人40张共12000张图像分两次采集包含多种手势和光照条件SCUT1100包含550名受试者、每人20张共11000张图像在无约束动态场景中采集存在明显的平面外旋转和灰度变化。手指静脉方面FV-USM包含123名受试者、每人12张共1476张图像分两次采集用于评估时序上的类内鲁棒性SDUMLA-HMT包含106名受试者、每人36张共3816张图像包含多手指、多手势、多方向的丰富变化。三、评估不止于答对了多少题六维度的全面体检在评价指标设计上研究团队的眼光远不止于通常意义上的识别准确率。他们构建了六个相互补充的评估维度就像给一辆汽车不只测试最高时速还要测试刹车距离、油耗、侧风稳定性和碰撞安全等级。识别与验证性能维度采用了三个指标Top-1准确率衡量模型在测试集上的基本分类能力等错误率EER是生物识别领域更严苛的标准它是误拒率等于误受率时的那个点数值越低越好TARFAR0.0001是在一万次中最多只允许错误放行一次陌生人这个极端严苛条件下正确接受真正用户的比率这个指标最接近真实高安全场景的需求。校准性评估关注的是模型的诚实度——当模型说我有95%把握这是张三的时候现实中真的是张三的概率是否接近95%用于量化这一点的指标叫做期望校准误差ECE它把所有预测按置信度分成若干个桶计算每个桶里模型说有多自信和实际上对了多少之间的加权平均差距。ECE越低说明模型的自信度越诚实。在生物识别这种安全攸关的领域里一个既准确又诚实的模型才是真正可信赖的系统。鲁棒性评估分为三个子维度。腐蚀鲁棒性评估参考了自然图像领域经典的ImageNet-C协议实现了19种不同类型的图像退化方式包括高斯噪声、运动模糊等但研究团队发现标准协议中的最低严重等级C3对于静脉图像来说已经是灾难性的——几乎所有模型都崩溃了。原因在于静脉图像中的身份信息本就藏在细如发丝的纹理里哪怕是轻微的腐蚀就足以抹去这些信息。因此团队专门引入了两个更低强度的严重等级C1和C2使评估更具区分度和实际意义。对抗攻击鲁棒性评估采用两种经典白盒攻击方式快速梯度符号法FGSM和投影梯度下降法PGD扰动幅度设为极小的0.2/255在0到255的像素范围内只动了不到一个像素值的零点几以反映静脉纹理低对比度的特点。遮挡鲁棒性评估通过在测试图像上随机遮盖一块正方形区域从0%到50%以2%为步长逐步增大遮盖面积构建25个测试子集观察不同增强方法训练出的模型对空间信息缺失的容忍程度。计算效率评估关注的是增强方法值不值这个价。团队记录了每个方法的每轮训练时间、显存峰值和计算量GFLOPs并用一种名为APEX增强性能与效率卓越的排名方法综合评估。这个排名基于帕累托效率原则——如果一种方法在性能和各项效率指标上都没有被任何其他方法全面超越它就是非支配解排在第一梯队。通过迭代移除第一梯队形成第二梯队、第三梯队从而得到一个不依赖主观权重的综合排名。四、识别性能的大比拼混合方法的统治以及令人意外的例外把所有实验结果摊开来看最显眼的规律是在掌静脉数据集上多图混合类方法MixUp、PuzzleMix、StarMixup几乎包揽了准确率榜单的前列。以VERA220数据集为例在ResNet18骨干上不做任何增强的基线模型VanillaTop-1准确率只有71.45%而MixUp一下子把这个数字推到了95.27%PuzzleMix更达到95.55%等错误率也从5.20%分别降至0.91%和0.83%。在SCUT1100这个更大、更难的数据集上MixUp的ResNet18更是把等错误率从0.30%压低到0.07%同时把TARFAR0.0001这个极严苛指标从97.30%提升到99.63%——这意味着在一万次验证中误识的概率从原来就已经很低的3‰进一步压缩到了几乎可以忽略不计的水平。然而当视野转向手指静脉数据集时局面发生了戏剧性的逆转。在SDUMLA-HMT数据集上MixUp反而把ResNet18的准确率从84.51%的基线拖到了79.87%——低于不做任何增强的水平。而RICAP这个相对冷门的混合方法却以98.66%的准确率傲视群雄。在另一个手指静脉数据集FV-USM上RandAugment以93.90%的准确率力压群雄而MixUp仅有86.75%。这说明增强方法的效果高度依赖于数据集的特性掌静脉图像与手指静脉图像在成像方式、分辨率、纹理复杂度等方面都存在差异同一种方法并不能无差别地搬来搬去。在单图增强阵营里TrivialAugment和RandomQuant表现出了跨数据集的一致稳健性在掌静脉和手指静脉两种场景下都名列前茅。研究团队推测TrivialAugment无需任何调参、直接随机采样的机制可能偶然地降低了模型对特定传感器噪声和微小光照变化的敏感性使其具有更广泛的适应性RandomQuant则通过量化处理把连续像素值离散化可能帮助模型学会忽略传感器级别的细节差异专注于更宏观的结构特征。而几乎所有的几何变换类方法——翻转、旋转、平移——在几乎所有数据集和模型上都带来了不同程度的性能下降。这印证了前文的推断静脉识别的身份信息就藏在空间拓扑结构里随意扭曲图像就是在抹去这张身份密码。五、性能亮眼的背后那些被遮掩的暗面到这里如果研究团队只是做到这一步那最多算是一次规模较大的比较实验。真正让这项研究具有洞察价值的是他们把评估扩展到了校准性、腐蚀鲁棒性、对抗攻击鲁棒性和遮挡鲁棒性这几个维度而这些维度上的发现彻底颠覆了准确率高就是好方法的朴素认知。先说校准性。在VERA220数据集的ResNet18实验里不做任何增强的基线模型ECE是4.1%也就是说模型的自信度与实际准确率之间平均偏差4.1个百分点尚在可接受范围内。AutoAugment和KeepAugment这两种方法甚至把ECE进一步压低到1.9%和2.3%表现相当出色。然而MixUp的ECE飙升到31.3%PuzzleMix是29.7%StarMixup更高达35.3%——意味着模型说我有95%把握的时候实际上可能只有64%的把握。对于需要高度可信赖的生物识别系统来说这是个严重问题系统可能大声而坚定地给出一个错误的判断。再说对抗攻击鲁棒性。这里出现了一个更令人震惊的反差。在TJU600数据集的ResNet18上基线模型面对FGSM攻击时准确率为40.93%面对更强的PGD攻击时降至30.45%。标签平滑方法大幅提升了这个数字在FGSM攻击下达到75.18%在PGD攻击下达到70.37%几乎翻了一倍。而MixUp呢在FGSM攻击下只剩18.80%PGD攻击下更惨烈至4.87%——远低于不做任何增强的基线水平。研究团队给出的解释是MixUp训练时使用软标签相当于故意模糊了不同身份之间的类别边界这给对抗攻击提供了更大的攻击面让微小的扰动也能轻易把模型推过决策边界。标签平滑方法的另一面同样耐人寻味虽然它的对抗鲁棒性最强但它的ECE得分却高得离谱——在TJU600数据集的ResNet18上高达47.88%。也就是说它虽然扛得住攻击但自我报告的置信度严重失真。腐蚀鲁棒性方面混合类方法总体上表现最好以MixUp和PuzzleMix在VERA220数据集ResNet18上的表现为例在C1、C2、C3三个由轻到重的腐蚀等级下准确率分别为85.51%/75.05%/57.19%和87.05%/77.10%/58.75%而基线模型是69.59%/61.99%/46.70%优势明显。但即便如此在最高腐蚀等级C3下所有模型都出现了大幅下滑这说明静脉图像对图像质量退化极度敏感这是一个目前所有增强方法都没能彻底解决的硬伤。遮挡鲁棒性的实验结果相对更积极一些。在VERA220和TJU600的遮挡测试中以Cutout、CutMix、PuzzleMix为代表的切块类方法表现出了明显更强的韧性——因为这些方法在训练时本就让模型适应了局部信息缺失的情况。相比之下MixUp或标签平滑等方法训练出的模型在遮挡比例提高时准确率下降得更快。六、方法的化学反应组合比单独使用更有效研究团队还专门做了一系列配方实验探究不同类别的增强方法混合使用时会不会产生112的效果。结果显示来自不同大类的方法组合使用时几乎总能产生超越单独使用的效果。在ResNet18结合VERA220的实验里AutoAugment单独使用时准确率为80.82%TARFAR0.0001为65.09%在此基础上加入LabelSmoothing准确率提升到89.73%TARFAR0.0001提升到78.64%。MixUp单独使用时准确率为95.27%叠加LabelSmoothing后提升到97.18%等错误率从0.91%进一步压缩到0.63%。三类方法的终极组合——AutoAugment加上PuzzleMix再加上LabelSmoothing——在VERA220上达到了98.00%准确率、0.56%等错误率和95.27%的TARFAR0.0001在TJU600上则达到96.50%准确率和0.45%等错误率。相比之下同一大类内的方法叠加收益要小得多。AutoAugment和MixUp同属不同大类它们的组合效果远超各自单独使用而两种策略驱动类方法的叠加带来的提升则微乎其微。这说明不同类别的增强方法针对的是不同的问题策略驱动方法改善了图像层面的多样性混合方法优化了决策边界的平滑性标签增强方法则调节了训练目标的校准性三者相辅相成。七、效率这把尺哪些方法在性价比上脱颖而出在以MobileNetv2为基准、VERA220为数据集的效率分析中大多数方法与基线模型共享完全相同的推理计算量0.65 GFLOPs和参数量因此它们的额外开销主要体现在训练时间和显存上。MixUp在这方面几乎无懈可击准确率从71.64%跃升至95.55%而每轮训练时间仅从5.02秒微增至5.04秒显存占用也几乎没有变化被归入APEX第一梯队。StarMixup同样高效准确率达到92.55%训练开销与Vanilla相当。ResizeMix和DirichletLabelSmooth也进入了第一梯队。PuzzleMix虽然达到了最高的95.91%准确率但它需要两倍的GFLOPs1.31和更长的训练时间8.66秒/轮因此在效率-性能综合排名中被归入第一梯队但整体代价更高。TeachAugment的代价最为高昂需要3.82倍的GFLOPs、9.92秒/轮的训练时间和高达12156.80MB的峰值显存而准确率仅有59.86%远低于基线被列入最低的第五梯队。SoftAugment耗时11.79秒/轮同样进入第五梯队。归根结底这项研究讲的其实是一个关于理想与现实的故事。研究者们本以为给人工智能更多样化的训练素材它就能认识更多的静脉图案结果确实如此——至少在答对了多少题这个维度上。但当你追问答题时有多自信面对刁难时还能不能答对被遮住一半还能不能答对整个排行榜就重新洗牌了原来的冠军可能变成末尾。这意味着在生物识别这个安全攸关的领域用单一的准确率指标来评价一种增强方法根本不够用。一套真正可靠的系统需要同时在准确性、校准诚实度、对抗鲁棒性、腐蚀鲁棒性和遮挡鲁棒性上都达到可接受的水平而目前还没有任何一种增强方法能够全面做到这一点。研究团队希望AGVBench能成为一块标准试金石推动后续研究设计出能同时满足多维度要求的新型增强策略。目前他们已将完整代码库开放在GitHub上可通过Advance-VeinTech-Innovators/AGVBench找到对这一领域感兴趣的研究者可直接获取完整实验代码、数据集配置和基线结果无需从头复现。QAQ1AGVBench评估的是什么AAGVBench是一个专门针对静脉识别领域的数据增强方法评估平台由重庆工商大学等机构联合开发。它系统评估了30种数据增强策略在五个公开静脉数据集包括掌静脉和手指静脉上的表现测试维度涵盖识别准确率、等错误率、校准性、腐蚀鲁棒性、对抗攻击鲁棒性和遮挡鲁棒性共六个方面目的是为研究者提供一个标准化、可复现的评测基准。Q2MixUp在静脉识别上效果好不好AMixUp在提升识别准确率和等错误率方面表现突出尤其在掌静脉数据集上效果显著。但它同时也是校准性最差的方法之一期望校准误差ECE可高达35%并且对抗攻击鲁棒性极弱在PGD攻击下准确率可跌至4.87%远低于不做任何增强的基线。因此MixUp适合对安全性要求不高的场景但不适合作为高安全静脉识别系统的单一增强策略。Q3几何变换类增强方法如旋转、翻转适合用于静脉识别吗A总体来说不适合。AGVBench的实验结果显示翻转、旋转、平移等几何变换在几乎所有数据集和模型架构上都导致了性能下降。原因是静脉识别的身份信息藏在血管的拓扑结构和相对位置关系中随意的空间变换会破坏这些精细结构让模型难以提取有效的身份特征效果适得其反。