Découvrez comment Macgence a aidé un important fabricant d'électronique à développer une technologie de reconnaissance faciale plus inclusive en utilisant une annotation d'image précise.
Dans le domaine de l’intelligence artificielle, la technologie de reconnaissance faciale est un symbole d’innovation, mais sa progression n’est pas sans défis. En particulier, les systèmes existants sont souvent aux prises avec des préjugés, excellant avec certaines catégories démographiques tout en étant défaillants avec d’autres. Reconnaissant l’impératif de rectifier ces lacunes dans un contexte de demande croissante, un important fabricant mondial d’électronique se lance dans un voyage pionnier en matière de précision et d’inclusivité. un exemple se penche sur leurs efforts ambitieux pour concevoir un modèle de reconnaissance faciale qui transcende les frontières, garantissant des performances équitables pour toutes les populations.
Table des matières
Le consommateur
Notre client est une société holding qui sert des consommateurs du monde entier par l'intermédiaire de ses filiales. Elle est pionnière dans la fourniture de solutions de connexion et d'électronique.
Le contexte
Malgré les progrès exponentiels de la technologie de reconnaissance faciale, sa capacité à reconnaître des individus issus de divers horizons démographiques n’est pas très forte. Les algorithmes fonctionnent plutôt bien lorsqu’il s’agit de reconnaître l’apparence des hommes blancs. Cependant, sa précision diminue considérablement lorsqu’on tente d’identifier des visages asiatiques et afro-américains, qu’ils soient masculins ou féminins. Il semble que les préjugés du monde réel aient eu un impact sur le fonctionnement des ordinateurs IA. Mais « l’intelligence » des logiciels d’IA repose uniquement sur les données sur lesquelles ils sont formés. La technologie devient plus inclusive à mesure que les données sont inclusives. Un fabricant international d'électronique a remarqué ce point important et souhaitait que son logiciel décode avec précision une seule photo de famille d'Asie de l'Est. Pour lutter contre les préjugés qui existent actuellement dans le domaine, ils ont entrepris de créer des la reconnaissance faciale .
En plus de reconnaître chaque personne sur les photos fournies, ce nouveau modèle devait comprendre la place de chacun au sein de la famille. En d’autres termes, le logiciel devait identifier avec précision une petite fille comme une « fille » en reconnaissant son apparence comme celle d’une petite fille.
Pour former le modèle, des photographies précisément annotées devaient répondre à certaines exigences : chaque portrait devait représenter des enfants, avoir une qualité de pixel minimale de 640 × 640 et représenter une gamme de situations d'éclairage intérieur. Cela garantirait les performances cohérentes des technologies de reconnaissance faciale inclusives dans divers environnements.
"Le nouveau modèle doit reconnaître chaque personne sur les photos fournies et déterminer la position de chacun au sein de la famille."
La solution
Étape 1 – Collecte d’images
Nous avons pu obtenir 40 photographies distinctes provenant de 80 familles différentes, parmi une foule de plus de 400,000 150 personnes dispersées dans plus de 3200 pays, pour un total de XNUMX XNUMX images. Un personnel interne a soigneusement examiné chaque photographie pour garantir que les exigences du client étaient strictement respectées. Il était essentiel de disposer de cet ensemble de données variées afin de créer une technologie de reconnaissance faciale inclusive.
Étape 2 – Marquage des images
L'étiquetage des photos rassemblées était l'étape suivante. À l'aide de cadres de délimitation, une approche de classification dans laquelle les utilisateurs dessinent un cadre sur un objet d'intérêt en fonction des spécifications du client, notre public a étiqueté chaque image. Les annotateurs ont identifié les membres de la famille sur chaque photo et ont fourni des détails sur leur âge, leur lieu d'origine et leurs affiliations (mère, 52 ans, Égypte, par exemple).

Pour garantir des résultats précis, notre équipe a effectué des audits en temps réel (RTA), observé le comportement de la foule et rigoureusement vérifié et corrigé chaque étiquette.
Alors que les médias sociaux continuent de passer du texte à l’image et que la quantité de données sensibles stockées en ligne ne cesse de croître, la demande de technologies de reconnaissance faciale inclusives ne peut qu’augmenter. De plus, en seulement six semaines (soit la moitié du temps que proposent généralement nos concurrents), nous avons fourni à notre client un ensemble de données extrêmement personnalisé, lui permettant ainsi de rester à la pointe de cette technologie en évolution rapide. Cette livraison rapide souligne non seulement l’impact sur le secteur, mais aussi le potentiel de la technologie de reconnaissance faciale inclusive.
Restez dans l’air du temps et adoptez l’avenir de la vision par ordinateur. S'il vous plaît, visitez notre Annonces pour en savoir plus sur nos solutions de pointe. Comment elles peuvent être utiles à votre entreprise. Vous pouvez également nous contacter immédiatement.
Applications de la technologie faciale

Académie
Renforcer la sécurité en vérifiant l'identité des individus lors des transactions et de l'accès au compte.

matière de soins de santé
Surveillance des émotions et des réponses des patients, en particulier dans les applications de santé mentale.

Sécurité et surveillance:
La reconnaissance faciale contribue à la sécurité publique et assure le contrôle d'accès.

Automobile
De plus, cette technologie offre une application précieuse pour améliorer la sécurité du conducteur en surveillant l’attention et en détectant les signes de fatigue ou de distraction.
La voie Macgence

TAT
Par conséquent, des données conformes de haute qualité sont à votre disposition, accompagnées d'avantages de personnalisation et pouvant être livrées rapidement

QUALITE
Notre ensemble de données est soumis à des contrôles de qualité rigoureux à 2 niveaux avant livraison

CONFORMITÉ
Nous adhérons aux exigences de conformité obligatoires de la HIPAA et du RGPD.

PRÉCISION
De plus, nous fournissons une précision d'environ 98 % sur différents types d'annotations et ensembles de données de modèles

NON. DE CAS D'UTILISATION RÉSOLUS
Enfin, nous disposons d’une expérience dans une large gamme de cas d’utilisation.