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.
In the realm of artificial intelligence, facial recognition technology stands as a hallmark of innovation, yet its progression is not without challenges. Notably, existing systems often grapple with biases, excelling with certain demographics while faltering with others. Recognizing the imperative of rectifying these deficiencies amidst escalating demand. For accuracy and inclusivity, a prominent global electronics manufacturer embarks on a pioneering journey. This 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).
To ensure accurate results, our team conducted real-time audits (RTAs), observed crowd behavior, and rigorously checked and corrected every label.
As social media continues its shift from text to imagery, and with the increasing amount of sensitive data stored online, the demand for inclusive facial recognition technology is only set to grow. Moreover, in just six weeks—half the time competitors typically offer—we provided our client with an extremely tailored dataset, thus keeping them at the forefront of this rapidly evolving technology. This rapid delivery not only highlights the industry impact but also underscores the potential of inclusive facial recognition technology.
Restez dans l’air du temps et adoptez l’avenir de la vision par ordinateur. S'il vous plaît, visitez notre Annonces to learn more about our cutting-edge solutions. How they can be of assistance to your company. Alternatively, you may contact us_ immediately.
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
Additionally, this technology offers a valuable application in enhancing driver safety by monitoring attentiveness and detecting signs of fatigue or 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
CONFORMITE et PAGES LEGALES
Nous adhérons aux exigences de conformité obligatoires de la HIPAA et du RGPD.
PRÉCISION
Additionally, We Provide ~98% accuracy across different annotation types and model datasets
NON. DE CAS D'UTILISATION RÉSOLUS
Enfin, nous disposons d’une expérience dans une large gamme de cas d’utilisation.