Construirea unui set de date de imagini faciale din afara UE/Regatul Unit cu diversitate în funcție de progresia vârstei
Un corpus de imagini faciale separate în timp, cu 1,205 participanți, pentru a consolida corectitudinea și robustețea modelelor de viziune computerizată.
rezumatul proiectului
O companie globală de tehnologie care dezvoltă inteligență artificială centrată pe față pentru experiențe de siguranță, personalizare și identitate a căutat un set de date din afara UE/Regatul Unit cu fotografii separate în timp pentru a reduce părtinirea și a îmbunătăți rezistența modelului în funcție de vârstă, mediu și accesorii.
Clientul a colaborat cu Shaip pentru a colecta, selecta și valida un corpus vast de imagini faciale, în care fiecare participant contribuie cu fotografii recente și mai vechi. Scopul a fost de a codifica progresia naturală a vârstei, aplicând în același timp o proveniență strictă din afara UE/Regatul Unit și atingând cote echilibrate de gen/vârstă.
Statistici cheie
Participanții
1,205 (doar pentru țări din afara UE/Regatul Unit, 50/50 sex ±10–15%)
Amestec de vârste
Toleranță 40% (10–29), 40% (30–49), 20% (50+) ±10–15%
Acoperire
Asia de Sud/Sud-Est, Africa de Nord și de Nord/Est, Singapore, America de Sud
Companiei
19 săptămâni
Activități
Restricție geografică
Aprovizionarea exclusivă de la populații din afara UE/Regatul Unit, evitând imaginile provenite din UE/Regatul Unit din călătorii.
Cote echilibrate la scară largă
Atingând 1,205 participanți cu toleranțe stricte în ceea ce privește sexul și vârsta.
Dovezi separate în timp
Asigurarea că fiecare act de identitate conține atât fotografii recente, cât și istorice, aliniate la intervalele de vârstă.
Calitatea operațională
Aplicarea limitelor minime de dimensiune a imaginii/feței, varietate și duplicare fără a încetini randamentul.
Soluţie
1. Panouri de țară și controale de proveniență
Am înființat grupuri de aprovizionare la nivel de țară în regiunile țintă și am instruit partenerii cu privire la regulile de proveniență (doar pentru țări din afara UE/Regatul Unit). Fotografiile au fost verificate pentru riscurile legate de originea călătoriilor folosind indicii de metadate (an, markeri de locație) plus atestări ale expeditorilor, reducând scurgerile de informații din UE/Regatul Unit înainte de controlul calității. Aceasta reflectă practica dovedită a Shaip de a efectua verificări anticipate ale riscurilor pentru a proteja producția din aval.
2. Designul capturii progresiei vârstei
În loc să „ceri 20 de imagini”, am conceput un flux de trimitere pe două căi care i-a îndrumat pe participanți către:
- Piesa A (Recentă): fotografii din ultimii doi ani;
- Pista B (Istorică): fotografii mai vechi aliniate la intervalul de vârstă al participantului la momentul trimiterii (de exemplu, intervale 2–10/15/20 de ani).
Portalul i-a încurajat pe utilizatori cu exemple (interior/exterior, unghiuri, accesorii) pentru a promova varietatea fără a specifica prea multe.
3. Orchestrarea diversității și barierele de siguranță privind cotele
Un tablou de bord cu cote în timp real a monitorizat înscrierile în funcție de sex, grupă de vârstă și zonă geografică , întrerupând admiterea odată ce un strat a atins limitele planificate. Acest lucru a împiedicat reevaluarea ciclului târziu și reflectă abordarea standard a lui Shaip de înscriere stratificată + blocări utilizată în seturile de date biometrice anterioare pentru a menține o reprezentare echilibrată.
4. Canal de calitate (intervenție umană + verificări preliminare automate)
- Porți automate: detectarea feței + praguri minime de dimensiune, verificări de bază ale estomparii/zgomotului și grupare în aceeași zi pentru a semnala din timp potențialele duplicate.
- Niveluri QA umane: Recenzori la nivel de imagine validați exclusivitate subiect (doar participantul principal), varietate de scene/unghiuri și fără filtre de înfrumusețareAuditorii CQA au verificat loturile la fața locului înainte de acceptare. Acest lucru Asigurarea calității pe mai multe niveluri oglindește programele de date biometrice publicate de Shaip.
5. Conformitate și consimțământ
Înscriere ≥20 ani cu consimțământ semnat; cazuri sub 20 acceptate doar cu consimțământul tutorelui. Am înregistrat prezența consimțământului în metadate și am aliniat listele de verificare ale evaluatorilor cu câmpurile de eligibilitate + consimțământ , asigurând auditabilitatea.
6. Metadate și trasabilitate
Am furnizat metadate la nivel de participant și imagine (legături de identificare, date demografice, naționalitate/reședință, anul fotografiei, data trimiterii etc.) și nume de câmpuri standardizate pentru a simplifica etichetarea și evaluarea ulterioară . Aceasta respectă cele mai bune practici ale Shaip de etichetare bogată în metadate pentru seturile de date biometrice.
7. Livrare în etape la scara de risc De
Un plan de 8 loturi a început cu un set de calibrare de 10 participanți , urmat de o creștere controlată a numărului de participanți. Feedback-ul clienților după primul lot a permis ajustarea rubricii, apoi volumele au crescut în tranșe previzibile pentru a ajunge la 1,205 participanți în aproximativ 19 săptămâni.
Domeniul de aplicare al proiectului
| Dimensiune | Ce am livrat |
|---|---|
| populație | 1,205 participanți din afara UE/Regatul Unit, cu intervale de vârstă și gen echilibrate. |
| Conţinut | ≥20 de imagini per participant: recente + istorice pentru a codifica progresia vârstei; scene, unghiuri și accesorii variate. |
| Operațiuni de calitate | Verificări preliminare automate + asigurarea calității multistrat umană (controale de duplicare; exclusivitate a subiectului; respingere a filtrelor). |
| Conformitate | Verificarea provenienței din afara UE/Regatul Unit; guvernanța consimțământului și validarea eligibilității. |
| Metadata | Atribute ale participantului + imaginii pentru trasabilitate și evaluare ML în aval. |
| Livrare | 8 loturi etapizate, începând cu calibrarea și apoi livrarea în stare stabilă până la ținta finală. |
Rezultat
- Corpus echilibrat, pregătit pentru audit: Cotele demografice au fost respectate în limita toleranței; Proveniența din afara UE/Regatul Unit a fost aplicată pentru toate imaginile pentru instruire conformă.
- Variabilitate pregătită pentru model: Imaginile separate în timp, mediile/unghiurile diverse și acoperirea accesoriilor permit testarea robusteții și analiza erorilor de prejudecată.
- Predictibilitate operațională: Prima implementare a calibrării + măsurile de siguranță privind cotele au redus lucrările repetate și au protejat calendarul până la obiectivul complet de 1,205 participanți.
- Eficiență în aval: Metadatele bogate și igiena consistentă a fișierelor au scurtat calea către adnotare și construirea de teste comparative, urmând ghidurile de strategie ale setului de date biometrice ale lui Shaip.
Shaip a transformat un set complex de date faciale din afara UE/Regatul Unit într-un corpus echilibrat, pregătit pentru audit. Designul lor cu progresie în vârstă și QA pe niveluri au oferit echipei noastre de CV date curate și diverse în care puteam avea încredere - fără riscuri legate de termene limită.
