深層距離学習とは，深層学習によってデータ間の距離を学習し，識別性の高い埋め込み特徴量を得る手法である．先行研究のArcFaceでは，同じクラス内のデータ間の角度が小さくなり，違うクラス間の角度が大きくなるように学習することで，埋め込み特徴量のコサイン類似度に基づいてデータを分類する．本研究では，ArcFaceにおける埋め込み特徴量に対して，特徴量の分布が原点から離れるようにペナルティをかける正則化項を加えた学習手法を提案する．この手法によって，学習したクラスに当てはまらない未知データの検出と，新しいクラスを追加するクラス増分のFew-shot追加学習の性能向上を図る．