Estimación de edad
Descripción general
La estimación de la edad a partir de imágenes faciales es técnicamente difícil y operativamente sensible. En contextos de investigación, la precisión, el control de sesgos y la auditabilidad son fundamentales.
La capacidad de estimación de edad de Rigr AI proporciona estimaciones de edad altamente precisas a partir de imágenes faciales y fotogramas de video, y está diseñada específicamente para el uso por fuerzas del orden y en entornos regulados.
Rendimiento del modelo
El modelo actual (v3) es un vision transformer ajustado en un amplio conjunto de datos curado de imágenes reales con etiquetas de edad verificadas. Produce una estimación puntual junto con un valor de incertidumbre calibrado para cada rostro detectado.
Precisión por rango de edad
| Rango de edad | EAM (años) | Dentro de ±1 año | Dentro de ±2 años |
|---|---|---|---|
| 0–2 | 0.41 | 95.3% | 97.7% |
| 2–5 | 0.72 | 88.3% | 97.0% |
| 5–8 | 0.77 | 86.1% | 96.4% |
| 8–13 | 1.06 | 73.6% | 93.1% |
| 13–18 | 1.26 | 69.9% | 85.0% |
| 0–18 (todos los menores) | 0.87 | 81.9% | 94.1% |
| 18–26 | 2.11 | 53.9% | 71.7% |
| 26–40 | 3.30 | 36.8% | 52.7% |
| 40+ | 5.04 | 22.4% | 34.2% |
Rendimiento competitivo
Una evaluación independiente frente a los principales sistemas comerciales de estimación de edad muestra que Rigr AI supera a los competidores en cada edad de 0 a 16 años, con ventajas particularmente fuertes para niños pequeños (0–5 años) y el rango preadolescente/adolescente temprano (8–15 años), donde las tasas de error de los competidores son 2–3× más altas.
Incertidumbre calibrada
Cada predicción incluye un valor de incertidumbre calibrado (± años) que representa un límite de confianza de 1σ. Las estimaciones de incertidumbre del modelo se validan rigurosamente: al nivel 1σ, la cobertura real es del 68,48 % frente a un ideal teórico del 68,27 % — una calibración casi perfecta. Esto significa que los intervalos de confianza reportados son fiables y accionables.
Pruébelo
Tome una foto o suba una imagen para ver la estimación de edad en acción.
Processed securely — no images are stored.
Uso operativo
Dentro de VST Teams, la estimación de edad se utiliza para:
- Destacar contenido potencialmente sensible que involucre a menores
- Priorizar la revisión de grandes conjuntos de datos multimedia
- Apoyar la evaluación probatoria sin reemplazar el juicio humano
Esta capacidad también está disponible como API independiente o aplicación ligera que puede desplegarse en un entorno aislado. Hay plug-ins disponibles para las principales herramientas de análisis forense de imágenes.
Integración con Griffeye
Los resultados de la estimación de edad se muestran directamente dentro de Griffeye Analyze, permitiendo a los investigadores filtrar y priorizar sin abandonar su flujo de trabajo habitual.
Evidencia a escala
La estimación de edad permite a los investigadores caracterizar rápidamente grandes volúmenes de material incautado. El gráfico a continuación muestra la distribución de edad estimada en 100.000 rostros detectados en material de abuso sexual infantil — ilustrando cómo esta capacidad puede resumir grandes conjuntos de evidencia para la investigación y presentación en juicio.
Despliegue y control
- Totalmente containerizado
- Operación on-premise y air-gapped
- Sin retención de datos
- El cliente mantiene el control total de las entradas y salidas
Para desarrolladores
La API de estimación de edad acepta imágenes codificadas en base64 y devuelve edades estimadas, cuadros delimitadores, puntuaciones de confianza e incertidumbre calibrada para cada rostro detectado.
POST /api/image curl -X POST https://api.age.rigr.ai/api/image \
-H "Content-Type: application/json" \
-H "X-API-KEY: $API_KEY" \
-d '{"images": ["'$(base64 -w0 photo.jpg)'"}'{
"results": [{
"results": [{
"age": 25.3,
"uncertainty": 1.2,
"bbox": [175, 133, 364, 378],
"score": 0.9998
}]
}]
}