- Wat doen ons
-
-
-
Speciality
-
-
-
- Van die rak data
-
- Oplossings
- platform
- maatskappy
gesig erkenning
Optimaliseer u gesigsherkenningsmodelle vir akkuraatheid met die beste gehalte beelddata
Vandag is ons aan die begin van die volgende generasie meganisme, waar ons gesigte ons wagkodes is. Deur die erkenning van unieke gelaatstrekke, kan masjiene opspoor of die persoon wat toegang tot 'n toestel het, gemagtig is, CCTV-opnames ooreenstem met werklike beelde om misdadigers en wanbetalers op te spoor, misdaad in winkels te verminder, en meer. In eenvoudige woorde, dit is die tegnologie wat die gesig van 'n individu skandeer om toegang te verleen of 'n stel handelinge uit te voer wat dit ontwerp is om uit te voer. Aan die agterkant werk talle algoritmes en modules op ongelooflike snelhede om berekeninge uit te voer en gelaatstrekke (as vorms en veelhoeke) te pas om belangrike take te verrig.
'N Persoon se gesig lyk anders as elke hoek, profiel en perspektief. 'N Masjien moet in staat wees om akkuraat te bepaal of dit dieselfde persoon is, ongeag of die individu na die toestel staar, ongeag 'n frontneutrale perspektief of regs onder 'n perspektief.
'N Model moet presies sê of iemand glimlag, frons, huil of staar deur na hulle of hul beelde te kyk. Dit moet in staat wees om te verstaan dat oë dieselfde kan lyk as iemand verbaas of bang is en dan die presiese uitdrukking foutloos kan opspoor.
Sigbare onderskeiers soos molle, littekens, brandwonde, en meer is onderskeidings wat uniek is vir individue en wat deur AI-modules oorweeg moet word om gesigte beter op te lei en te verwerk. Modelle moet dit kan opspoor en as gelaatstrekke toeskryf en dit nie net oorslaan nie.
Of jy gesigbeelddata-insameling (bestaande uit verskillende gelaatstrekke, perspektiewe, uitdrukkings of emosies) of gesigbeelddata-aantekeningdienste (vir die merk van sigbare differensieerder, gesigsuitdrukkings met toepaslike metadata, bv. glimlag, frons, ens.) nodig het, ons bydraers van regoor die wêreld kan vinnig en op skaal aan u opleidingsdatabehoeftes voldoen.
Vir jou KI-stelsel om akkuraat resultate te lewer, moet dit opgelei word met duisende menslike gesigdatastelle. Hoe meer die volume gesigbeelddata is, hoe beter. Dit is hoekom ons netwerk jou kan help om miljoene datastelle te verkry, sodat jou gesigsherkenningstelsel opgelei is met die mees toepaslike, relevante en kontekstuele data. Ons verstaan ook dat jou geografie, marksegment en demografie baie spesifiek kan wees. Om in al jou behoeftes te voorsien, verskaf ons persoonlike gesigbeelddata oor diverse etnisiteite, ouderdomsgroepe, rasse en meer. Ons gebruik streng riglyne oor hoe gesigprente na ons stelsel opgelaai moet word in terme van resolusies, lêerformate, beligting, houdings en meer.
Wanneer jy kwaliteit gesigbeelde verkry, het jy net 50% van die taak voltooi. Jou gesigsherkenningstelsels sal jou steeds sinlose resultate gee (of geen resultate nie) wanneer jy verkrygde beelddatastelle daarin voer. Om die opleidingsproses te begin, moet jy jou gesigsbeeld geannoteer kry. Daar is verskeie gesigsherkenningsdatapunte wat gemerk moet word, gebare wat geëtiketteer moet word, emosies en uitdrukkings wat geannoteer moet word en meer. By Shaip kan ons jou help met geannoteerde gesigsbeelde met ons gesig-landmerk-herkenningstegnieke. Alle ingewikkelde besonderhede en aspekte van gesigsherkenning word vir akkuraatheid geannoteer deur ons eie interne veterane, wat al jare in die KI-spektrum is.
Ons span kundiges kan gesigsbeelde op ons eie beeldannotasieplatform versamel en annoteer, maar dieselfde annoteerders kan na 'n kort opleiding ook gesigsprente op jou interne beeldannotasieplatform annoteer. Binne 'n kort tydperk sal hulle duisende gesigsbeelde kan annoteer op grond van streng spesifikasies en met die verlangde kwaliteit.
Ongeag jou idee of marksegment, sal jy oorvloedige volumes data nodig hê wat geannoteer moet word vir opleibaarheid. Hier is 'n lys om 'n vinnige idee te kry van die gebruiksgevalle wat u kan kontak.
agtergrond
In 'n poging om die akkuraatheid en diversiteit van KI-gedrewe gesigsherkenningsmodelle te verbeter, is 'n omvattende data-insamelingsprojek van stapel gestuur. Die projek het gefokus op die versameling van uiteenlopende gesigsbeelde en video's oor verskeie etnisiteite, ouderdomsgroepe en beligtingstoestande. Die data is noukeurig georganiseer in verskeie afsonderlike datastelle, wat elkeen aan spesifieke gebruiksgevalle en industrievereistes voldoen.
Datastel Oorsig
| besonderhede | Gebruik Geval 1 | Gebruik Geval 2 | Gebruik Geval 3 |
|---|---|---|---|
| Gebruiksgeval | Historiese beelde van 15,000 XNUMX unieke onderwerpe | Gesigsbeelde van 5,000 XNUMX unieke onderwerpe | Beelde van 10,000 XNUMX unieke onderwerpe |
| Doelwit | Om 'n robuuste datastel van historiese gesigsbeelde vir gevorderde KI-modelopleiding te bou. | Om 'n diverse gesigdatastel spesifiek vir die Indiese en Asiatiese markte te skep. | Om 'n wye verskeidenheid gesigsbeelde te versamel wat verskillende hoeke en uitdrukkings vasvang. |
| Datastel samestelling | vakke: 15,000 XNUMX unieke individue. Datapunte: Elke vak het 1 inskrywingsbeeld + 15 historiese beelde verskaf. Bykomende data: 2 video's (binne en buite) wat kopbewegings vasvang vir 1,000 XNUMX vakke. | vakke: 5,000 XNUMX unieke individue. | vakke: 10,000 XNUMX unieke individue Datapunte: Elke onderwerp het 15-20 beelde verskaf, wat verskeie hoeke en uitdrukkings dek. |
| Etnisiteit en Demografie | Etniese uiteensetting: Swart (35%), Oos-Asiër (42%), Suid-Asiër (13%), Wit (10%). gender: 50% vroulik, 50% man. Ouderdoms reeks: Beelde dek tot die laaste 10 jaar van elke vak se lewe, en fokus op individue van 18+. | Etniese uiteensetting: Indiër (50%), Asiër (20%), Swart (30%). Ouderdoms reeks: 18 tot 60 jaar oud. Geslagsverspreiding: 50% Vroulik, 50% Manlik. | Etniese uiteensetting: Chinese etnisiteit (100%). gender: 50% vroulik, 50% man. Ouderdoms reeks: 18-26 jaar oud. |
| Deel | 15,000 300,000 inskrywingsprente, 2,000 XNUMX+ historiese beelde en XNUMX XNUMX video's | 35 selfies per onderwerp, altesaam 175,000 XNUMX beelde. | 150,000 200,000 – XNUMX XNUMX beelde. |
| Kwaliteitstandaarde | Hoë-resolusie beelde (1920 x 1280), met streng riglyne oor beligting, gesigsuitdrukking en beeldhelderheid. | Diverse agtergronde en kleredrag, geen gesigverfraaiing en konsekwente beeldkwaliteit oor die datastel. | Hoë-resolusie beelde (2160 x 3840 piksels), presiese portretverhouding, en verskillende hoeke en uitdrukkings. |
| besonderhede | Gebruik Geval 4 | Gebruik Geval 5 | Gebruik Geval 6 |
|---|---|---|---|
| Gebruiksgeval | Beelde van 6,100 XNUMX unieke onderwerpe (ses menslike emosies) | Beelde van 428 unieke onderwerpe (9 beligtingscenario's) | Prente van 600 unieke onderwerpe (etnisiteit-gebaseerde versameling) |
| Doelwit | Om gesigsbeelde te versamel wat ses afsonderlike menslike emosies uitbeeld vir emosieherkenningstelsels. | Om gesigsbeelde onder verskillende beligtingstoestande vas te vang vir die opleiding van KI-modelle. | Om 'n datastel te skep wat die diversiteit van etnisiteite vasvang vir verbeterde KI-modelprestasie. |
| Datastel samestelling | vakke: 6,100 XNUMX individue van Oos- en Suid-Asië. Datapunte: 6 beelde per onderwerp, wat elkeen 'n ander emosie verteenwoordig. Etniese uiteensetting: Japannees (9,000 2,400 beelde), Koreaans (2,400 2,400), Chinees (2,400 XNUMX), Suidoos-Asiaties (XNUMX XNUMX), Suid-Asiës (XNUMX XNUMX). | vakke: 428 Indiese individue. Datapunte: 160 beelde per onderwerp oor 9 verskillende beligtingstoestande. | vakke: 600 unieke individue van uiteenlopende etniese agtergronde. Etniese uiteensetting: Afrikaan (967 beelde), Midde-Oosters (81), Inheems Amerikaans (1,383 738), Suid-Asiër (481), Suidoos-Asiër (XNUMX). Ouderdoms reeks: 20 tot 70 jaar oud. |
| Deel | 18,600 beelde | 74,880 beelde | 3,752 beelde |
| Kwaliteitstandaarde | Streng riglyne oor gesigsigbaarheid, beligting en konsekwentheid van uitdrukking. | Duidelike beelde met konsekwente beligting en 'n gebalanseerde voorstelling van ouderdom en geslag. | Hoë-resolusie beelde met 'n fokus op etniese diversiteit en konsekwentheid oor die datastel. |
12k beelde met variasies rondom kopposisie, etnisiteit, geslag, agtergrond, vanghoek, ouderdom, ens. met 68 landmerkpunte
22k-gesigvideodatastel van verskeie lande met veelvuldige houdings vir gesigsherkenningsmodelle
2.5k+ beelde van 3,000 2+ mense. Datastel bevat beelde van groepe van 6-XNUMX mense uit verskeie geografiese gebiede
20k video's van gesigte met maskers vir die bou/opleiding van Spoof Detection AI-model
Bied opleidingsdata vir gesigsherkenning aan verskeie industrieë
Gesigsherkenning is die huidige woede in verskillende segmente, waar unieke gebruiksgevalle getoets en geïmplementeer word vir implementerings. Gesigsherkenning help ondernemings en bedrywe op talle maniere, van die dop van kinderhandelaars en die implementering van bio-ID in organisasiepersele tot die bestudering van afwykings wat normaalweg ongemerk kan word.
Verhoog outonome bestuursvermoëns met gesigsherkenningdatastelle wat ontwerp is vir bestuurdermonitering en in-motorveiligheidstelsels
Verbeter klante-ervaring met datastelle vir gesigherkenning vir gepersonaliseerde dienste in die winkel en naatlose betaalprosesse.
Lewer gepersonaliseerde inkopie-ervarings en verbeter kliënte-verifikasie in e-handelsplatforms.
Bemagtig pasiënt-identifikasie en diagnostiese akkuraatheid met gespesialiseerde gesigsherkenningdatastelle vir gesondheidsorgtoepassings
Verhoog gastedienste met datastelle vir gesigherkenning vir naatlose aanmeldings en persoonlike ervarings in gasvryheid.
Versterk sekuriteitsmaatreëls met datastelle vir gesigherkenning wat geoptimaliseer is vir toesig, opsporing van bedreigings en verdedigingstoepassings.
Toegewyde en opgeleide spanne:
Die hoogste doeltreffendheid van die proses word verseker deur:
Die gepatenteerde platform bied voordele:
Rekenaarvisie gaan daaroor om sin te maak uit die visuele wêreld om rekenaarvisietoepassings op te lei. Die sukses daarvan kom neer op wat ons beeldaantekening noem - die fundamentele proses agter die tegnologie wat maak dat masjiene intelligente besluite neem en dit is presies wat ons op die punt staan om te bespreek en te ondersoek.
Mense is vaardig om gesigte te herken, maar ons interpreteer ook uitdrukkings en emosies heel natuurlik. Navorsing sê ons kan persoonlik bekende gesigte identifiseer binne 380 ms ná aanbieding en 460 ms vir onbekende gesigte. Hierdie intrinsiek menslike kwaliteit het egter nou 'n mededinger in kunsmatige intelligensie en Rekenaarvisie.
Mense het die aangebore vermoë om voorwerpe, mense en plekke van foto's te onderskei en presies te identifiseer. Rekenaars het egter nie die vermoë om beelde te klassifiseer nie. Tog kan hulle opgelei word om visuele inligting te interpreteer deur rekenaarvisietoepassings en beeldherkenningstegnologie te gebruik.
Bemagtig spanne om wêreldleidende KI-produkte te bou.
Kom ons bespreek u opleidingsbehoeftes vir gesigsherkenningsmodelle
Gesigsherkenning is een van die integrale komponente van intelligente biometriese sekuriteit, wat daarop gemik is om 'n persoon se identiteit te bevestig of te verifieer. As 'n tegnologie word dit gebruik om mense in video's, foto's en selfs real-time feeds vas te stel, te identifiseer en te kategoriseer.
Gesigsherkenning werk deur die vasgelegde gesigte van individue aan te pas by 'n relevante databasis. Die proses begin met opsporing, gevolg deur 'n 2D- en 3D-analise, beeld-na-data-omskakeling en uiteindelik pasmaak.
Gesigsherkenning, as 'n vindingryke visuele identifiseringstegnologie, is dikwels die eerste basis om slimfone en rekenaars te ontsluit. Sy teenwoordigheid by wetstoepassers, dws om amptenare te help om beelde van die verdagtes te versamel en by databasisse te pas, is egter ook 'n voorbeeld.
As u van plan is om 'n vertikaal-spesifieke AI-model met rekenaarvisie op te lei, moet u dit eers in staat stel om beelde en gesigte van individue te identifiseer en dan leer onder toesig te begin deur nuwe tegnieke soos semantiek, segmentering en veelhoekaantekening in te voer. Gesigsherkenning is dus die wegspringplek vir die opleiding van veiligheidspesifieke AI-modelle, waar individuele identifikasie vooropgestel word bo objekopsporing.
Gesigsherkenning kan die ruggraat van verskeie intelligente stelsels in die post-pandemiese era wees. Die voordele sluit in verbeterde kleinhandelervaring met Face Pay -tegnologie, beter bankervaring, verminderde misdaadsyfer in die kleinhandel, vinniger identifisering van vermiste persone, verbeterde pasiëntesorg, akkurate opsporing van bywoning en meer.
Ons pas ons datastelle aan om aan die spesifieke behoeftes van verskeie industrieë, soos motor, kleinhandel, gesondheidsorg en sekuriteit te voldoen, om te verseker dat die data ooreenstem met industriespesifieke vereistes en toepassings.
Ons voldoen aan streng data-privaatheidstandaarde en voldoen aan globale regulasies soos GDPR, om te verseker dat alle gesigsherkenningsdata eties verkry en geanonimiseer word soos vereis.
Ons datastelle word onderskei deur hul diversiteit, skaalbaarheid en aantekeninge van hoë gehalte, wat hulle ideaal maak vir die opleiding van akkurate en betroubare gesigsherkenningsmodelle oor verskeie industrieë.