Création d'un ensemble de données d'images faciales hors UE/Royaume-Uni avec diversité de progression d'âge
Un corpus d'images de visages de 1 205 participants, séparées dans le temps, pour renforcer l'équité et la robustesse des modèles de vision par ordinateur.
Résumé du projet
Une entreprise technologique mondiale développant une IA centrée sur le visage pour la sécurité, la personnalisation et les expériences d'identité recherchait un ensemble de données hors UE/Royaume-Uni avec des photos séparées dans le temps afin de réduire les biais et d'améliorer la résilience du modèle en fonction de l'âge, de l'environnement et des accessoires.
Le client s'est associé à Shaip pour collecter, organiser et valider un vaste corpus d'images faciales, chaque participant fournissant des photos récentes et anciennes. L'objectif était de représenter le vieillissement naturel tout en garantissant une provenance hors UE/Royaume-Uni et en respectant les quotas d'âge et de genre.
Principales statistiques
Participants
1 205 (hors UE/Royaume-Uni uniquement, répartition hommes/femmes 50/50 ±10–15 %)
Mélange d'âges
40 % (10–29), 40 % (30–49), 20 % (50+) ±10–15 % de tolérance
Territoire desservi
Asie du Sud/Sud-Est, Afrique du Nord et du Nord-Est, Singapour, Amérique du Sud
Forum
19 semaines
Défis
Restriction géographique
S'approvisionner exclusivement auprès de populations hors UE/Royaume-Uni tout en évitant les images d'origine touristique provenant de l'UE/Royaume-Uni.
Des quotas équilibrés à grande échelle
Nous avons atteint 1 205 participants en respectant des critères stricts de genre et d'âge.
Preuves séparées par le temps
S'assurer que chaque pièce d'identité comporte des photos récentes et anciennes, adaptées aux tranches d'âge.
Qualité opérationnelle
Appliquer des limites minimales de taille, de variété et de duplication pour les images/visages sans ralentir le débit.
Solution
1. Panneaux de pays et contrôles de provenance
Nous avons mis en place des équipes d'approvisionnement nationales dans les régions cibles et formé nos partenaires aux règles de provenance (hors UE/Royaume-Uni uniquement). Les photos ont été analysées afin de détecter les risques liés à leur origine géographique grâce aux métadonnées (année, localisation) et aux attestations des contributeurs, réduisant ainsi les risques de fuites au sein de l'UE/Royaume-Uni avant le contrôle qualité. Cette approche s'inspire de la méthode éprouvée de Shaip, qui consiste à effectuer les contrôles de risques en amont afin de garantir la fluidité du traitement en aval.
2. Conception de la capture de la progression de l'âge
Au lieu de « demander 20 images », nous avons conçu un processus de soumission en deux étapes qui guidait les participants vers :
- Piste A (Récente) : photos des deux dernières années ;
- Piste B (Historique) : photos plus anciennes alignées sur la tranche d'âge du participant au moment de la soumission (par exemple, fenêtres de 2 à 10/15/20 ans).
Le portail incitait les utilisateurs, à l'aide d'exemples (intérieur/extérieur, angles, accessoires), à diversifier les choix sans trop spécifier les détails.
3. Orchestration de la diversité et garde-fous des quotas
Un tableau de bord de quotas en temps réel suivait les inscriptions par sexe, tranche d'âge et zone géographique , suspendant les admissions dès qu'un groupe atteignait les limites prévues. Cela a permis d'éviter les corrections de dernière minute et reflète l'approche standard de Shaip, basée sur une stratification des inscriptions et des périodes de blocage, utilisée dans les précédents ensembles de données biométriques pour garantir une représentation équilibrée.
4. Pipeline qualité (Intervention humaine + Pré-contrôles automatisés)
- Portails automatisés : Détection des visages + seuils de taille minimale, contrôles de flou/bruit de base et regroupement le jour même pour signaler rapidement les doublons potentiels.
- Niveaux d'assurance qualité humaine : Les examinateurs d'images ont validé exclusivité du sujet (participant principal uniquement), variété de scènes/angles et sans filtres d'embellissementLes auditeurs CQA ont effectué des contrôles ponctuels sur les lots avant leur acceptation. Assurance qualité multicouche reflète les programmes de données biométriques publiés par Shaip.
5. Conformité et consentement
Inscription des personnes âgées de 20 ans et plus avec consentement signé ; les cas des personnes de moins de 20 ans ne sont acceptés qu’avec le consentement du tuteur légal. Nous avons consigné la présence du consentement dans les métadonnées et aligné les listes de vérification des examinateurs sur les champs d’admissibilité et de consentement , garantissant ainsi la traçabilité.
6. Métadonnées et traçabilité
Nous avons fourni des métadonnées au niveau des participants et des images (liens d'identification, données démographiques, nationalité/résidence, année de la photo, date de soumission, etc.) et normalisé les noms de champs afin de simplifier l'étiquetage et l'évaluation ultérieurs . Cette approche est conforme aux bonnes pratiques de Shaip en matière d'étiquetage riche des métadonnées pour les ensembles de données biométriques.
7. Mise en œuvre progressive pour réduire les risques
Un plan en huit phases a débuté par un groupe d'étalonnage de 10 participants , suivi d'une augmentation progressive et maîtrisée du nombre de participants. Les retours clients après la première phase ont permis d'ajuster la grille d'évaluation, puis le nombre de participants a augmenté par étapes prévisibles pour atteindre 1 205 participants en environ 19 semaines.
Description du projet
| Dimension | Ce que nous avons livré |
|---|---|
| Population | 1 205 participants non européens/britanniques, avec une répartition équilibrée entre les sexes et les tranches d'âge. |
| Contenu | ≥20 images par participant : récentes + historiques pour encoder la progression de l'âge ; scènes, angles et accessoires variés. |
| Opérations qualité | Pré-contrôles automatisés + assurance qualité humaine multicouche (contrôles de duplication ; exclusivité du sujet ; rejet par filtre). |
| Conformité | Vérification de la provenance hors UE/Royaume-Uni ; gouvernance du consentement et validation de l’éligibilité. |
| Métadonnées | Attributs des participants et des images pour la traçabilité et l'évaluation ultérieure par apprentissage automatique. |
| Livraison | 8 lots par phases, en commençant par l'étalonnage puis la livraison en régime permanent jusqu'à la cible finale. |
Le résultat
- Corpus équilibré et prêt pour l'audit : Les quotas démographiques ont été respectés dans les limites de tolérance ; la provenance hors UE/Royaume-Uni a été appliquée à toutes les images à des fins de formation conforme.
- Variabilité prête à être modélisée : Les images séparées dans le temps, les environnements/angles divers et la couverture des accessoires permettent de réaliser des tests de robustesse et une analyse des biais.
- Prévisibilité opérationnelle : Le déploiement initial de l'étalonnage et les garde-fous de quotas ont réduit les retouches et préservé le calendrier pour atteindre l'objectif complet de 1 205 participants.
- Efficacité en aval : Des métadonnées riches et une hygiène des fichiers cohérente ont raccourci le chemin vers l'annotation et la construction de l'ensemble de données de référence, en suivant les manuels de Shaip sur les ensembles de données biométriques.
Shaip a transformé un cahier des charges complexe concernant un ensemble de données faciales hors UE/Royaume-Uni en un corpus équilibré et prêt pour l'audit. Leur conception de la progression par âge et leur assurance qualité à plusieurs niveaux ont fourni à notre équipe de CV des données propres, diversifiées et fiables, sans risque de retard.
