Annotation faciale auprès de populations diverses, dans le respect des normes éthiques — Étude de cas
Comment Shaip a réalisé une annotation de visages humains à grande échelle combinant la détection de boîtes englobantes et la cartographie des points clés des repères faciaux avec plus de 10 couches d'attributs — construite comme un ensemble de données de qualité production pour la reconnaissance faciale, la détection des émotions, l'estimation de l'âge et l'IA de vérification d'identité sous un traitement éthique strict.
Résumé du projet
À mesure que l'IA faciale se déploie dans les secteurs de la sécurité, de la santé, du commerce de détail et des technologies grand public, le client avait besoin d'un pipeline d'annotation complet capable de combiner la détection faciale avec la cartographie des points de repère au niveau des caractéristiques — à travers diverses données démographiques, conditions d'éclairage, angles et d'occlusion — dans le respect strict de la confidentialité et de l'éthique.
Shaip a construit le pipeline d'annotation de bout en bout couvrant la détection des boîtes englobantes, le placement des points clés des repères faciaux, l'étiquetage multi-attributs sur plus de 10 couches et la couverture démographique des cas limites, produisant des ensembles de données prêts pour les modèles d'applications d'IA faciale.
Principales statistiques
Type d'annotation
Boîte + Points de repère
Couches d'attributs
10
Variété source
Image + Vidéo
Démographie
riche en Diversité
Défis
- La combinaison détection de boîte englobante au cartographie des points clés des repères faciaux en parallèle
- Manipulation angles extrêmes, flou de mouvement et faible résolution images de surveillance
- Travailler à travers conditions d'occlusion — masques, lunettes, chapeaux, coiffures, visages partiels
- Assurer diversité démographique tous groupes d'âge, sexes et ethnies
- Application directives strictes en matière de confidentialité et d'éthique tout au long du processus d'annotation
Solution
Détection combinée + annotation de points de repère
Chaque visage humain de chaque image a été annoté grâce à une combinaison de cadres de délimitation pour la détection des visages et de points de repère faciaux pour une localisation précise. Les points de repère faciaux clés comprenaient les yeux, les sourcils, le bout du nez, l'arête du nez, les commissures des lèvres, les lèvres supérieure et inférieure, la mâchoire, le menton et la position des oreilles, fournissant ainsi une cartographie spatiale complète de chaque visage.
Plus de 10 couches d'attributs
Chaque visage annoté a été enrichi d'attributs tels que la tranche d'âge, le sexe, l'origine ethnique, l'état émotionnel (joie, tristesse, colère, surprise, neutralité, peur), l'orientation du visage (face, profil, trois quarts), le port de lunettes, de masques, de chapeaux ou de cheveux couvrants, le teint, les conditions d'éclairage et une évaluation de la qualité de l'image. Cette richesse d'attributs multicouches permet d'optimiser le traitement de l'IA faciale dans de nombreuses applications.
Couverture de la diversité démographique
Les visages sont apparus dans des conditions très variées : éclairages différents, angles extrêmes, occlusions partielles, flou de mouvement dans les images vidéo, faible résolution des séquences de surveillance et représentation de diverses ethnies et tranches d’âge. Le processus d’annotation a été spécifiquement conçu pour garantir la précision des données malgré cette diversité, évitant ainsi les biais démographiques dans les modèles entraînés.
Règles d'annotation des cas limites
Les cas particuliers, tels que les visages partiellement visibles sur les bords de l'image, les visages reflétés dans des miroirs, l'occlusion du visage par des masques ou des lunettes de soleil, et les visages d'enfants ou de personnes âgées aux proportions non standard, ont tous été traités grâce à des règles d'annotation détaillées et spécifiques à chaque cas. Ces règles ont permis de garantir la robustesse de l'ensemble de données face aux conditions réelles de déploiement de l'IA faciale.
Respect de la vie privée et conformité éthique
Tout au long du projet, les annotateurs ont respecté des règles strictes de confidentialité et d'éthique, garantissant ainsi que le traitement des données était conforme aux normes de protection des données applicables. Ce niveau de conformité est essentiel pour les applications d'IA faciale opérant dans des secteurs réglementés tels que la sécurité, la banque et la santé.
Description du projet
| Type de jeu de données | Méthodologie | Attributs | Références | Couverture démographique | Conformité |
|---|---|---|---|---|---|
| Annotation du visage humain | Encadré + points clés de repère | 10+ couches | Images et images vidéo | Diversité d'âge, de sexe et d'origine ethnique | Respect strict de la vie privée et éthique |
Les résultats
- Établi un pipeline combinant détection et annotation de points de repère pour l'IA faciale
- Normalisé Plus de 10 couches d'attributs couvrant les données démographiques, les émotions, l'orientation, l'occlusion
- Livré couverture démographiquement diversifiée pour atténuer les biais du modèle
- Mis en œuvre gestion des cas limites pour les visages partiels, les miroirs, les masques et les proportions non standard
- facile strict respect de la vie privée et de l'éthique tout au long du flux de travail d'annotation
Globalement, Shaip a contribué à transformer une exigence complexe d'annotation faciale en un pipeline structuré et prêt pour la production, capable de prendre en charge la reconnaissance faciale, la détection des émotions, l'estimation de l'âge, la vérification d'identité, la lutte contre l'usurpation d'identité et l'IA d'interaction homme-machine avec la précision et l'éthique requises par l'application.
Le système d'annotation faciale de Shaip nous a offert une diversité démographique et une robustesse face aux cas particuliers que la plupart des fournisseurs ne peuvent égaler — et leur discipline en matière de traitement éthique a rendu nos examens de conformité indolores.
