法医学捜査の現場では、容疑者の自動特定が極めて困難です。姿勢の変化、照明条件の変動、顔の一部が隠れた状態、さらに学習用ラベル付きデータの不足といった様々な課題が存在するためです。こうした背景の下、研究者らは法医学向け顔認証に特化した軽量ディープラーニングフレームワーク「ForensicNet」を開発しました。 このモデルの特徴は、MobileNetV2をバックボーンとして採用し、Convolutional Block Attention Modules（CBAM）と呼ばれる注意機構を組み合わせている点にあります。この設計により、計算負荷を抑えながら判別特性に優れた特徴量の学習を実現しています。さらに、適応的な層のアンフリーズを伴う二段階転移学習戦略を採用することで、ドメイン適応の向上とオーバーフィッティング（過学習）の削減を図っています。 研究チームはLFWおよびSCFaceといった公開データセットを活用し、68の身元クラスにまたがる15,000枚の顔画像を使って性能検証を実施しました。その結果、ForensicNetはAlexNet、ResNet-50、MobileNetV2といった既存アーキテクチャを上回る成績を達成し、精度92.4%、適合率90.8%、再現率89.5%を記録しています。また、推論あたりわずか2.1GFLOPsの処理量で動作するため、実時間での法医学的監視システムへの実装が可能です。