-
-
Firmanavn
ansigtsgenkendelse
I dag er vi ved begyndelsen af næste generations mekanisme, hvor vores ansigter er vores adgangskoder. Gennem anerkendelsen af unikke ansigtsegenskaber kan maskiner registrere, om den person, der forsøger at få adgang til en enhed, er autoriseret, matche CCTV-optagelser med faktiske billeder for at spore forbrydere og misligholdere, reducere kriminalitet i butikker og meget mere. Med enkle ord er dette teknologien, der scanner en persons ansigt for at godkende adgang eller udføre et sæt handlinger, den er designet til at udføre. I backend-enheden arbejder tonsvis af algoritmer og moduler med utrolige hastigheder for at udføre beregninger og matche ansigtsegenskaber (som former og polygoner) for at udføre vigtige opgaver.
En persons ansigt ser anderledes ud end hver vinkel, profil og perspektiv. En maskine skal være i stand til nøjagtigt at fortælle, om det er den samme person, uanset om personen stirrer på enheden uanset et frontneutralt perspektiv eller lige nedenunder.
En model skal præcist fortælle, om en person smiler, rynker panden, græder eller stirrer ved at se på dem eller deres billeder. Det skal være i stand til at forstå, at øjnene kan se ens ud, når en person enten er overrasket eller bange og derefter opdager det nøjagtige udtryk fejlfrit.
Synlige differentiatorer som modermærker, ar, brandforbrændinger og mere er differentiatorer, der er unikke for enkeltpersoner og bør overvejes af AI-moduler for at træne og behandle ansigter bedre. Modeller skal være i stand til at opdage dem og tilskrive dem som ansigtsegenskaber og ikke bare springe dem over.
Uanset om du har brug for dataindsamling af ansigtsbilleder (bestående af forskellige ansigtstræk, perspektiver, udtryk eller følelser) eller annoteringstjenester for ansigtsbillededata (til tagging af synlig differentiator, ansigtsudtryk med passende metadata, f.eks. smilende, rynkende pander osv.), er vores bidragydere fra over hele kloden kan opfylde dine behov for træningsdata hurtigt og i stor skala.
For at dit AI-system kan levere nøjagtige resultater, skal det trænes med tusindvis af menneskelige ansigtsdatasæt. Jo mere mængden af ansigtsbilleddata, jo bedre. Det er derfor, vores netværk kan hjælpe dig med at hente millioner af datasæt, så dit ansigtsgenkendelsessystem er trænet med de mest passende, relevante og kontekstuelle data. Vi forstår også, at din geografi, markedssegment og demografi kan være meget specifikke. For at imødekomme alle dine behov leverer vi brugerdefinerede ansigtsbillededata på tværs af forskellige etniciteter, aldersgrupper, racer og mere. Vi implementerer strenge retningslinjer for, hvordan ansigtsbilleder skal uploades til vores system med hensyn til opløsninger, filformater, belysning, positurer og mere.
Når du erhverver ansigtsbilleder af høj kvalitet, har du kun udført 50 % af opgaven. Dine ansigtsgenkendelsessystemer ville stadig give dig meningsløse resultater (eller slet ingen resultater), når du indlæser erhvervede billeddatasæt i dem. For at starte træningsprocessen skal du få dit ansigtsbillede kommenteret. Der er flere ansigtsgenkendelsesdatapunkter, der skal markeres, bevægelser, der skal mærkes, følelser og udtryk, der skal kommenteres og mere. Hos Shaip kan vi hjælpe dig med kommenterede ansigtsbilleder med vores teknikker til ansigtsmærkegenkendelse. Alle indviklede detaljer og aspekter af ansigtsgenkendelse er kommenteret for nøjagtighed af vores egne interne veteraner, som har været i AI-spektret i årevis.
Vores team af eksperter kan indsamle og kommentere ansigtsbilleder på vores proprietære billedannoteringsplatform, men de samme annotatorer kan efter en kort træning også annotere ansigtsbilleder på din interne billedannoteringsplatform. Inden for et kort tidsrum vil de være i stand til at kommentere tusindvis af ansigtsbilleder baseret på stringente specifikationer og med den ønskede kvalitet.
Uanset din idé eller markedssegment, har du brug for rigelige mængder data, der skal annoteres for at kunne trænes. For at få en hurtig idé om nogle af de brugssager, du kan nå ud til os, er her en liste.
Baggrund
I et forsøg på at øge nøjagtigheden og mangfoldigheden af AI-drevne ansigtsgenkendelsesmodeller blev et omfattende dataindsamlingsprojekt igangsat. Projektet fokuserede på at indsamle forskellige ansigtsbilleder og videoer på tværs af forskellige etniciteter, aldersgrupper og lysforhold. Dataene blev omhyggeligt organiseret i flere forskellige datasæt, der hver især tjente specifikke use cases og branchekrav.
Oversigt over datasæt
| Detaljer | Brug Case 1 | Brug Case 2 | Brug Case 3 |
|---|---|---|---|
| Use Case | Historiske billeder af 15,000 unikke emner | Ansigtsbilleder af 5,000 unikke motiver | Billeder af 10,000 unikke emner |
| Objektiv | Byg et robust datasæt af historiske ansigtsbilleder til avanceret AI-modeltræning. | Opret et mangfoldigt ansigtsdatasæt til de indiske og asiatiske markeder. | Saml forskellige ansigtsbilleder, der dækker flere vinkler og udtryk. |
| Datasætsammensætning |
Emner: 15,000 1 indskrivningsbillede + 15 historiske billeder pr. forsøgsperson 2 videoer (indendørs/udendørs) for 1,000 forsøgspersoner |
Emner: 5,000 35 selfies pr. motiv |
Emner: 10,000 15-20 billeder pr. motiv |
| Etnicitet og demografi |
Sort (35%), østasiatisk (42%), sydasiatisk (13%), hvid (10%) 50% kvinder / 50% mænd 18 + år |
Indisk (50%), asiatisk (20%), sort (30%) 18–60 år 50% kvinder / 50% mænd |
Kinesisk (100%) 18–26 år 50% kvinder / 50% mænd |
| Bind | 15,000 tilmeldinger + 300,000+ historiske billeder + 2,000 videoer | 175,000 billeder | 150,000–200,000 billeder |
| kvalitetsstandarder | 1920×1280 opløsning, strenge retningslinjer for belysning og klarhed | Forskellige baggrunde, ingen forskønnelse, ensartet kvalitet | 2160×3840 opløsning, præcist portrætformat, varierede vinkler |
| Detaljer | Brug Case 4 | Brug Case 5 | Brug Case 6 |
|---|---|---|---|
| Use Case | 6,100 forsøgspersoner – Seks menneskelige følelser | 428 motiver – 9 lysscenarier | 600 forsøgspersoner – Etnicitetsbaseret samling |
| Objektiv | Byg datasæt til systemer til genkendelse af følelser. | Tag ansigtsbilleder under varierende lysforhold. | Forbedr AI-ydeevne gennem etnisk mangfoldighed. |
| Datasætsammensætning |
6 billeder pr. motiv (6 følelser) Japansk, koreansk, kinesisk, sydøst- og sydasiatisk repræsentation |
160 billeder pr. motiv 9 lysforhold |
Afrikansk, Mellemøstlig, Indfødt amerikaner, Sydasiatisk, Sydøstasiatisk Alder: 20–70 år |
| Bind | 18,600 billeder | 74,880 billeder | 3,752 billeder |
| kvalitetsstandarder | Streng ansigtssynlighed og ensartet udtryk | Klare billeder, balanceret alder og køn | Høj opløsning, etnisk konsistens |
12k billeder med variationer omkring hovedstilling, etnicitet, køn, baggrund, optagelsesvinkel, alder osv. med 68 skelsættende punkter
22k ansigtsvideodatasæt fra flere lande med flere poseringer til ansigtsgenkendelsesmodeller
20k videoer af ansigter med masker til opbygning/træning af Spoof Detection AI-model
2.5k+ billeder fra 3,000+ personer. Datasæt indeholder billeder af en gruppe på 2-6 personer fra flere geografier
Tilbyder træningsdata til ansigtsgenkendelse til flere brancher
Ansigtsgenkendelse er den nuværende raseri på tværs af segmenter, hvor unikke brugssager testes og rulles ud til implementeringer. Fra sporing af børnehandlere og implementering af bio-ID i organisationslokaler til at studere uregelmæssigheder, der kan gå uopdaget til det normale øje, hjælper ansigtsgenkendelse virksomheder og industrier på et utal af måder.
Forøg autonome køreegenskaber med ansigtsgenkendelsesdatasæt designet til førerovervågning og sikkerhedssystemer i bilen
Forbedre kundeoplevelsen med ansigtsgenkendelsesdatasæt til personaliserede butikstjenester og problemfri kasseprocesser.
Lever personlige indkøbsoplevelser og forbedre kundegodkendelse i e-handelsplatforme.
Styrk patientidentifikation og diagnostisk nøjagtighed med specialiserede ansigtsgenkendelsesdatasæt til sundhedsapplikationer
Løft gæstetjenester med ansigtsgenkendelsesdatasæt for problemfri check-in og personlige oplevelser i gæstfrihed.
Styrk sikkerhedsforanstaltninger med ansigtsgenkendelsesdatasæt, der er optimeret til overvågning, trusselsdetektion og forsvarsapplikationer.
Dedikerede og uddannede hold:
Højeste proceseffektivitet sikres med:
Den patenterede platform giver fordele:
Computersyn handler om at give mening om den visuelle verden til at træne computersynsapplikationer. Dens succes koger helt ned til det, vi kalder billednotering - den grundlæggende proces bag teknologien, der får maskiner til at træffe intelligente beslutninger, og det er netop det, vi skal diskutere og udforske.
Mennesker er dygtige til at genkende ansigter, men vi fortolker også udtryk og følelser helt naturligt. Forskning siger, at vi kan identificere personligt kendte ansigter inden for 380 ms efter præsentation og 460 ms for ukendte ansigter. Men denne iboende menneskelige kvalitet har nu en konkurrent inden for kunstig intelligens og computersyn.
Mennesker har den medfødte evne til at skelne og præcist identificere objekter, mennesker og steder fra fotografier. Dog har computere ikke mulighed for at klassificere billeder. Alligevel kan de trænes til at fortolke visuel information ved hjælp af computersynsapplikationer og billedgenkendelsesteknologi.
Styrke teams til at opbygge verdensledende AI-produkter.
Ansigtsgenkendelse er en biometrisk teknologi, der identificerer eller verificerer en persons identitet ved at analysere unikke ansigtstræk fra billeder eller videoer.
Det fungerer ved at tage et billede, analysere ansigtstræk og matche dem med en database for at identificere eller verificere en person.
Ansigtsgenkendelse er afgørende for AI/ML-projekter, da det muliggør applikationer som sikkerhed, autentificering og personlige kundeoplevelser.
Brancher som sikkerhed, sundhedspleje, detailhandel, bilindustri og hotel- og restaurationsbranchen bruger disse datasæt til applikationer som overvågning, adgangskontrol og personalisering.
Datasæt indsamles fra forskellige kilder, hvilket sikrer repræsentation på tværs af demografi, aldersgrupper og lysforhold.
Annotering involverer mærkning af ansigtstræk, udtryk og unikke identifikatorer som ar og modermærker for præcis AI-træning.
Ja, alle datasæt overholder globale privatlivsstandarder som GDPR og sikrer, at data anonymiseres og fremskaffes etisk.
Ja, datasæt kan skræddersys til specifikke demografiske grupper, brancher eller forhold baseret på projektets krav.
Kvalitet sikres gennem strenge retningslinjer for billedopløsning, belysning og ekspertvalidering for nøjagtighed og ensartethed.
Ja, datasæt er skalerbare og kan understøtte projekter af enhver størrelse med millioner af billeder.
Datasæt leveres i standardformater med metadata, hvilket gør dem nemme at integrere i AI-arbejdsgange.
Fleksible licensmuligheder er tilgængelige, herunder standard eller tilpassede datasæt.
Prisen afhænger af datasættets størrelse, tilpasning og licensbehov. Kontakt os for det bedste tilbud.
Leveringstider varierer afhængigt af projektets størrelse og kompleksitet, men er designet til at overholde deadlines effektivt.
De forbedrer nøjagtigheden af AI-modeller ved at levere data af høj kvalitet og forskelligartethed, der muliggør pålidelig ansigtsgenkendelse under forskellige forhold.
