指静脈認証では，性別によって認証精度に差があることが報告されている．そのため，指静脈画像から性別を推定し，性別に応じた特徴を考慮することで，認証性能の向上が期待される．現在までに，畳み込みニューラルネットワーク (CNN) を用いて指静脈画像から性別を推定する手法が提案されている．学習に用いられている指静脈画像データセットは性別間のデータ数に偏りがあるため，そのまま学習に用いるとクラス不均衡により少数クラスに対する推定精度が低下する問題がある．そこで，本稿では，少数クラス（女性）の生成画像を学習データに追加することで，クラス不均衡を解消する．さらに，血管や輪郭を強調する前処理や撮影時の変化を模倣したデータ拡張を導入し，性別推定精度の向上を図る．公開データセットを用いた性能評価実験により，提案手法の有効性を実証する．