Yaş İlerlemesi Çeşitliliği ile AB/BK Dışı Yüz Görüntüsü Veri Seti Oluşturma
Bilgisayarlı görüş modelleri için adaleti ve sağlamlığı güçlendirmek amacıyla 1,205 katılımcılı, zamana göre ayrılmış yüz görüntüsü gövdesi.
Projeye Genel Bakış
Güvenlik, kişiselleştirme ve kimlik deneyimleri için yüz merkezli yapay zeka geliştiren küresel bir teknoloji şirketi, önyargıyı azaltmak ve yaş, çevre ve aksesuarlar arasında model dayanıklılığını artırmak için zaman ayrımlı fotoğraflardan oluşan AB dışı/BK veri kümesi aradı.
Müşteri, her katılımcının yakın ve eski fotoğraflar katkısında bulunduğu büyük bir yüz görüntüsü veri kümesini toplamak, düzenlemek ve doğrulamak için Shaip ile ortaklık kurdu . Amaç, AB/Birleşik Krallık dışı menşei kurallarını sıkı bir şekilde uygularken ve cinsiyet/yaş kotalarında denge sağlarken doğal yaşlanma sürecini kodlamaktı.
Anahtar İstatistikler
Katılımcılar
1,205 (Sadece AB/BK dışı, %50/50 cinsiyet ±10–15%)
Yaş Karışımı
%40 (10–29), %40 (30–49), %20 (50+) ±10–15% tolerans
Kapsam
Güney/Güneydoğu Asya, Kuzey ve Kuzey/Doğu Afrika, Singapur, Güney Amerika
Tarihçesi
19 hafta
Meydan Okumalar
Coğrafi kısıtlama
Yalnızca AB/BK dışındaki nüfustan kaynak alınarak, AB/BK'ya ait seyahat kaynaklı görsellerden kaçınılıyor.
Ölçekte dengeli kotalar
Sıkı cinsiyet ve yaş toleranslarıyla 1,205 katılımcıya ulaşıldı.
Zamanla ayrılmış kanıtlar
Her kimlikte yaş gruplarına uygun, hem güncel hem de geçmişe ait fotoğrafların yer almasını sağlamak.
Operasyonel kalite
Verimi yavaşlatmadan minimum görüntü/yüz boyutu, çeşitlilik ve çoğaltma sınırlarının uygulanması.
Çözüm
1. Ülke Panelleri ve Menşe Kontrolleri
Hedef bölgelerde ülke düzeyinde tedarik birimleri kurduk ve ortaklarımızı menşe kuralları konusunda eğittik (yalnızca AB/Birleşik Krallık dışı). Fotoğraflar , meta veri ipuçları (yıl, konum işaretleri) ve gönderen onayları kullanılarak seyahat menşei riskleri açısından incelendi ve kalite kontrolünden önce AB/Birleşik Krallık sızıntısı azaltıldı. Bu, Shaip'in aşağı yönlü verimliliği korumak için risk kontrollerini önceden yapma konusundaki kanıtlanmış uygulamasını yansıtmaktadır.
2. Yaş İlerlemesi Yakalama Tasarımı
"20 görsel isteyin" demek yerine, katılımcıları şu iki aşamalı gönderim akışına yönlendirdik:
- A Parçası (Son): son iki yıla ait fotoğraflar;
- B Parçası (Tarihsel): Katılımcının gönderim anındaki yaş aralığına uygun daha eski fotoğraflar (örneğin, 2–10/15/20 yıllık pencereler).
Portal, kullanıcıları, fazla ayrıntıya girmeden çeşitliliği sağlamak için örneklerle (iç/dış mekan, açılar, aksesuarlar) dürttü.
3. Çeşitlilik Orkestrasyonu ve Kota Korumaları
Gerçek zamanlı kota kontrol paneli, kayıtları cinsiyet, yaş grubu ve coğrafyaya göre izleyerek , bir katman planlanan sınırlara ulaştığında alımı durduruyordu. Bu, döngünün son aşamasındaki yeniden çalışmaları önledi ve Shaip'in dengeli temsili korumak için önceki biyometrik veri kümelerinde kullandığı katmanlı kayıt + kilitleme yaklaşımını yansıtmaktadır.
4. Kalite Süreci (Döngüdeki İnsan + Otomatik Ön Kontroller)
- Otomatik kapılar: yüz algılama + minimum boyut eşikleri, temel bulanıklık/gürültü kontrolleri ve potansiyel kopyaları erken işaretlemek için aynı gün kümeleme.
- İnsan QA katmanları: görüntü düzeyindeki incelemeciler tarafından doğrulandı konu ayrıcalığı (sadece birincil katılımcı), sahne/açı çeşitliliği, ve güzelleştirme filtresi yok; CQA denetçileri, kabulden önce partileri rastgele kontrol etti. çok katmanlı QA Shaip'in yayınladığı biyometrik veri programlarını yansıtıyor.
5. Uyumluluk ve Onay
20 yaş ve üzeri katılımcılar imzalı onam ile kayıt altına alınmıştır; 20 yaş altı vakalar yalnızca veli onayı ile kabul edilmiştir. Onam varlığını meta verilerde kaydettik ve denetlenebilirliği sağlamak için inceleme kontrol listelerini uygunluk + onam alanlarıyla hizaladık .
6. Meta Veri ve İzlenebilirlik
Katılımcı ve görüntü düzeyinde meta veriler (kimlik bağlantıları, demografik bilgiler, uyruk/ikamet yeri, fotoğrafın çekildiği yıl, gönderim tarihi vb.) sağladık ve sonraki etiketleme ve değerlendirme işlemlerini basitleştirmek için alan adlarını standartlaştırdık . Bu, Shaip'in biyometrik veri kümeleri için zengin meta veri etiketleme konusundaki en iyi uygulamasına uygundur.
7. Risk Ölçeğine Kademeli Teslimat
10 katılımcılı bir kalibrasyon grubuyla başlayan 8 aşamalı plan , kontrollü bir ölçeklendirmeyle devam etti. 1. aşamadan sonra alınan müşteri geri bildirimleri, değerlendirme kriterlerinde ince ayarlar yapılmasına olanak sağladı ve ardından katılımcı sayısı öngörülebilir aşamalar halinde artırılarak yaklaşık 19 hafta içinde 1,205 katılımcıya ulaşıldı.
Proje kapsamı
| Boyut | Neler Sunduk |
|---|---|
| nüfus | Cinsiyet ve yaş aralıkları dengeli 1,205 AB/BK dışı katılımcı. |
| İçerik | Katılımcı başına ≥20 görüntü: Yaş ilerlemesini kodlamak için yakın + geçmiş; çeşitli sahneler, açılar ve aksesuarlar. |
| Kalite Operasyonları | Otomatik ön kontroller + insan çok katmanlı QA (tekrarlama kontrolleri; denek ayrıcalığı; filtre reddi). |
| Uygunluk | AB/BK dışı menşe doğrulaması; onay yönetimi ve uygunluk doğrulaması. |
| Metadata | İzlenebilirlik ve akış aşağısı ML değerlendirmesi için Katılımcı + görüntü nitelikleri. |
| Teslim Şekli | Kalibrasyonla başlayıp kararlı durum teslimatıyla son hedefe kadar 8 aşamalı parti. |
Sonuç
- Dengeli, denetime hazır korpus: Demografik kotalar tolerans sınırları içerisinde karşılandı; Uyumlu eğitim için tüm görsellerde AB/BK dışı menşe zorunluluğu getirildi.
- Modele hazır değişkenlik: Zamana göre ayrılmış görüntüler, farklı ortamlar/açı ve aksesuar kapsamı sağlamlık testini ve önyargı analizini destekler.
- Operasyonel öngörülebilirlik: Kalibrasyon ilk lansman + kota korumaları, yeniden çalışmayı azalttı ve zaman çizelgesini tam 1,205 katılımcı hedefine ulaştırdı.
- Aşağı akış verimliliği: Shaip'in biyometrik veri seti kılavuzlarını izleyerek zengin meta veriler ve tutarlı dosya hijyeni, açıklama ve kıyaslama oluşturma yolunu kısalttı.
Shaip, karmaşık bir AB dışı/BK yüz veri seti özetini dengeli ve denetime hazır bir yapıya dönüştürdü. Yaş ilerlemesi tasarımı ve kademeli kalite güvencesi, özgeçmiş ekibimize program riski olmadan güvenebileceğimiz temiz ve çeşitli veriler sağladı.
