Estimation de l'âge
Présentation
L'estimation de l'âge à partir d'images faciales est un problème techniquement complexe et opérationnellement sensible. Dans un contexte d'enquête, la précision, la maîtrise des biais et l'auditabilité sont essentielles.
La capacité d'estimation de l'âge de Rigr AI fournit des estimations d'âge hautement précises à partir d'images faciales et d'images extraites de vidéos. Elle est conçue spécifiquement pour un usage par les forces de l'ordre et dans des environnements réglementés.
Performance du modèle
Le modèle actuel (v3) est un vision transformer affiné sur un vaste jeu de données d'images réelles avec des étiquettes d'âge vérifiées. Il produit une estimation ponctuelle accompagnée d'une valeur d'incertitude calibrée pour chaque visage détecté.
Précision par tranche d'âge
| Tranche d'âge | EAM (ans) | À ±1 an près | À ±2 ans près |
|---|---|---|---|
| 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 (tous les mineurs) | 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% |
Performance concurrentielle
Une évaluation indépendante par rapport aux principaux systèmes commerciaux d'estimation de l'âge montre que Rigr AI surpasse ses concurrents à chaque âge de 0 à 16 ans, avec des avantages particulièrement marqués pour les jeunes enfants (0–5 ans) et la tranche pré-adolescente/début d'adolescence (8–15 ans) où les taux d'erreur des concurrents sont 2 à 3 fois plus élevés.
Incertitude calibrée
Chaque prédiction inclut une valeur d'incertitude calibrée (± ans) représentant un intervalle de confiance à 1σ. Les estimations d'incertitude du modèle sont rigoureusement validées : au niveau 1σ, la couverture réelle est de 68,48 % contre un idéal théorique de 68,27 % — un calibrage quasi parfait. Cela signifie que les intervalles de confiance rapportés sont fiables et exploitables.
Essayez
Prenez une photo ou téléchargez une image pour voir l'estimation de l'âge en action.
Processed securely — no images are stored.
Utilisation opérationnelle
Au sein de VST Teams, l'estimation de l'âge est utilisée pour :
- Mettre en évidence des contenus potentiellement sensibles impliquant des mineurs
- Prioriser l'examen de grands volumes de médias
- Soutenir l'évaluation probatoire sans se substituer au jugement humain
Cette capacité est également disponible sous forme d'API autonome ou d'application légère déployable en environnement isolé. Des plug-ins sont disponibles pour les principaux outils d'analyse d'images médico-légales.
Intégration avec Griffeye
Les résultats d'estimation de l'âge s'affichent directement dans Griffeye Analyze, permettant aux enquêteurs de filtrer et de prioriser sans quitter leur environnement de travail habituel.
Preuves à grande échelle
L'estimation de l'âge permet aux enquêteurs de caractériser rapidement de grands volumes de matériel saisi. Le graphique ci-dessous montre la distribution d'âge estimée sur 100 000 visages détectés dans du matériel d'abus sexuel d'enfants — illustrant comment cette capacité peut synthétiser de vastes ensembles de preuves pour l'enquête et la présentation en justice.
Déploiement et maîtrise
- Architecture entièrement conteneurisée
- Déploiement sur site et en environnement isolé (air-gapped)
- Aucune conservation de données
- Le client conserve un contrôle total sur les données d'entrée et les résultats
Pour les développeurs
L'API d'estimation de l'âge accepte des images encodées en base64 et renvoie les âges estimés, les boîtes englobantes, les scores de confiance et l'incertitude calibrée pour chaque visage détecté.
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
}]
}]
}