Membina Set Data Imej Muka Bukan EU/UK dengan Kepelbagaian Perkembangan Umur
Seramai 1,205 peserta, korpus imej muka yang dipisahkan masa untuk mengukuhkan keadilan & keteguhan untuk model penglihatan komputer.
Gambaran Keseluruhan projek
Sebuah syarikat teknologi global yang membina AI berorientasikan muka untuk pengalaman keselamatan, pemperibadian dan identiti mencari set data Bukan EU/UK dengan foto yang dipisahkan masa untuk mengurangkan berat sebelah dan meningkatkan daya tahan model merentas umur, persekitaran dan aksesori.
Pelanggan bekerjasama dengan Shaip untuk mengumpul, menyusun, dan mengesahkan korpus imej muka yang besar di mana setiap peserta menyumbangkan foto terbaru dan lama. Matlamatnya adalah untuk mengekodkan perkembangan usia semula jadi sambil menguatkuasakan asal bukan EU/UK yang ketat & mencapai kuota jantina/umur yang seimbang.
Statistik Utama
Peserta
1,205 (Bukan EU/UK sahaja, 50/50 jantina ±10–15%)
Campuran Umur
40% (10–29), 40% (30–49), 20% (50+) ±10–15% toleransi
Dari Masa ke Semasa
Asia Selatan/Tenggara, Afrika Utara & Utara/Timur, Singapura, Amerika Selatan
Timeline
minggu 19
Cabaran
Sekatan geografi
Menyumber secara eksklusif daripada populasi Bukan EU/UK sambil mengelakkan imej EU/UK asal perjalanan.
Kuota seimbang pada skala
Mencecah 1,205 peserta dengan toleransi jantina dan umur yang ketat.
Bukti yang memisahkan masa
Memastikan setiap ID menyediakan kedua-dua foto terbaharu dan sejarah, sejajar dengan kumpulan umur.
Kualiti operasi
Menguatkuasakan had saiz imej/wajah minimum, kepelbagaian dan pertindihan tanpa memperlahankan pemprosesan.
Penyelesaian
1. Panel Negara & Kawalan Asal
Kami menubuhkan pod penyumberan peringkat negara merentas wilayah sasaran dan rakan kongsi terlatih di peraturan asal (Bukan EU/UK sahaja). Foto telah disaring untuk risiko asal perjalanan menggunakan isyarat metadata (tahun, penanda lokasi) serta pengesahan penyerah, mengurangkan kebocoran EU/UK sebelum QC. Ini mencerminkan amalan Shaip yang terbukti dalam pemeriksaan risiko muatan hadapan untuk melindungi daya pemprosesan hiliran.
2. Reka Bentuk Tangkapan Perkembangan Umur
Daripada "meminta 20 imej," kami mereka bentuk a aliran penyerahan dua trek yang membimbing peserta untuk:
- Lagu A (Terbaru): gambar dari dua tahun lepas;
- Lagu B (Bersejarah): foto lama yang sejajar dengan kumpulan umur peserta semasa penyerahan (cth, tingkap 2–10/15/20 tahun).
Portal itu mendorong pengguna dengan contoh (dalam/luar, sudut, aksesori) untuk memacu variasi tanpa terlebih menentukan.
3. Orkestrasi Kepelbagaian & Pengawal Kuota
A papan pemuka kuota masa nyata pendaftaran dipantau oleh jantina, kumpulan umur dan geografi, menjeda pengambilan apabila stratum mencapai had yang dirancang. Ini menghalang kerja semula kitaran lewat dan mencerminkan pendekatan standard Shaip pendaftaran berstrata + sekatan digunakan dalam set data biometrik sebelumnya untuk mengekalkan perwakilan seimbang.
4. Talian Paip Kualiti (Manusia dalam Gelung + Pemeriksaan Pra Automatik)
- Pintu automatik: pengesanan muka + ambang saiz min, semakan kabur/bunyi asas dan pengelompokan hari yang sama untuk menandakan kemungkinan pendua lebih awal.
- Peringkat QA manusia: penyemak tahap imej disahkan eksklusif subjek (peserta utama sahaja), pelbagai pemandangan/sudut, dan tiada penapis kecantikan; Juruaudit CQA menyemak kumpulan sebelum penerimaan. ini QA berbilang lapisan mencerminkan program data biometrik yang diterbitkan oleh Shaip.
5. Pematuhan & Persetujuan
Pendaftaran ≥20 tahun dengan persetujuan yang ditandatangani; bawah 20 kes diterima hanya dengan kebenaran penjaga. Kami memperoleh kebenaran kehadiran dalam metadata dan menyelaraskan senarai semak penyemak kelayakan + persetujuan bidang, memastikan kebolehauditan.
6. Metadata & Kebolehkesanan
Kami menghantar metadata tahap peserta & imej (Pautan ID, demografi, kewarganegaraan/ tempat tinggal, tahun foto, tarikh penyerahan, dsb.) dan nama medan yang diseragamkan untuk memudahkan pelabelan dan penilaian hiliran. Ini mengikuti amalan terbaik Shaip tentang penandaan metadata yang kaya untuk set data biometrik.
7. Penghantaran Berperingkat ke Skala De Risk
An Pelan 8 kelompok bermula dengan a 10 penentukuran peserta ditetapkan, diikuti dengan peningkatan terkawal. Maklum balas pelanggan selepas kumpulan 1 memaklumi tweak rubrik, kemudian volum meningkat dalam peringkat yang boleh diramal untuk dicapai Peserta 1,205 dalam ~19 minggu.
Skop projek
| Dimensi | Apa yang Kami Sampaikan |
|---|---|
| Berdekatan NCER | 1,205 peserta bukan EU/UK dengan jantina dan umur yang seimbang. |
| Kandungan | ≥20 imej setiap peserta: terkini + sejarah untuk mengekodkan perkembangan umur; pelbagai adegan, sudut dan aksesori. |
| Ops Kualiti | Pemeriksaan pra automatik + QA berbilang lapisan manusia (kawalan pertindihan; eksklusiviti subjek; penolakan penapis). |
| Pematuhan | Pengesahan asal bukan EU/UK; tadbir urus persetujuan dan pengesahan kelayakan. |
| Metadata | Atribut imej peserta + untuk kebolehkesanan dan penilaian ML hiliran. |
| Penghantaran | 8 kelompok berperingkat, bermula dengan penentukuran kemudian penghantaran keadaan mantap ke sasaran akhir. |
Hasilnya
- Korpus sedia audit seimbang: Kuota demografi dipenuhi dalam toleransi; Asal bukan EU/UK dikuatkuasakan merentas semua imej untuk latihan yang mematuhi.
- Kebolehubahan sedia model: Imej yang dipisahkan masa, persekitaran/sudut yang pelbagai dan liputan aksesori menyokong ujian kekukuhan dan analisis bias.
- Kebolehramalan operasi: Pelancaran pertama penentukuran + pagar kuota mengurangkan kerja semula dan garis masa yang dilindungi kepada sasaran penuh 1,205 peserta.
- Kecekapan hiliran: Metadata yang kaya dan kebersihan fail yang konsisten memendekkan laluan kepada pembinaan anotasi dan penanda aras, mengikuti buku main set data biometrik Shaip.
Shaip menukar ringkasan set data wajah Bukan EU/UK yang kompleks menjadi korpus yang seimbang dan sedia audit. Reka bentuk perkembangan umur mereka dan QA berperingkat memberikan pasukan CV kami yang bersih, data yang pelbagai yang boleh kami percayai—tanpa risiko jadual.
