Szacowanie wieku
Szacowanie wieku na podstawie wyglądu twarzy — z informacją o niepewności podawaną wraz z wynikiem.
Wypróbuj na zdjęciu
Można zrobić zdjęcie lub przesłać obraz i sprawdzić, jak działa szacowanie wieku.
Przesłane obrazy przechowujemy do 7 dni na potrzeby weryfikacji bezpieczeństwa treści (trust & safety), a następnie usuwamy. Prosimy nie przesyłać zdjęć osób możliwych do zidentyfikowania bez ich zgody. Jak przetwarzamy dane w demo (EN) →
Tylko z ciekawości: na ile lat wyglądam? Wypróbuj ageguesser.ai →
Przegląd
Szacowany wiek pomaga ustalać kolejność przeglądu materiału w postępowaniu lub kierować treści, w których wiek osób budzi wątpliwości, do zespołów ds. bezpieczeństwa treści (trust & safety). Ocena wyglądu nie ustala wieku osoby w rozumieniu prawa.
Analiza dużych zbiorów dowodowych
Szacowanie wieku pozwala funkcjonariuszom szybko scharakteryzować duże zbiory zabezpieczonego materiału. Poniższy wykres przedstawia rozkład szacowanego wieku dla 100 000 twarzy wykrytych w materiałach przedstawiających seksualne wykorzystywanie dzieci (CSAM). Pokazuje, jak ta funkcja pozwala syntetycznie opisać duży zbiór dowodowy na potrzeby postępowania i prezentacji przed sądem.
Wyniki przetworzenia w VST Teams 100 000 twarzy z zabezpieczonych materiałów CSAM.
Skuteczność modelu
Obecny model (v3) to model typu vision transformer (ViT), dostrojony na dużym, starannie wyselekcjonowanym zbiorze rzeczywistych zdjęć ze zweryfikowanym wiekiem osób. Dla każdej wykrytej twarzy podaje oszacowanie punktowe wraz ze skalibrowaną wartością niepewności.
Te wyniki opisują nasz zbiór testowy, a nie dokładność dla każdego przesłanego obrazu. Błąd zależy od grupy wiekowej, jakości obrazu i populacji — warto porównać przedziały wieku poniżej.
Dokładność według przedziału wieku
| Przedział wieku | MAE (w latach) | W granicach ±1 roku | W granicach ±2 lat |
|---|---|---|---|
| 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 lat (wszyscy małoletni) | 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% |
Porównanie z innymi systemami
Niezależna ocena porównawcza z wiodącymi komercyjnymi systemami szacowania wieku wykazała, że Rigr AI osiąga lepsze wyniki w każdym wieku od 0 do 16 lat. Przewaga jest szczególnie wyraźna u najmłodszych dzieci (0–5 lat) oraz w przedziale 8–15 lat, w którym błędy systemów konkurencyjnych były 2–3 razy większe.
Skalibrowana niepewność
W zbiorze ewaluacyjnym rzeczywisty wiek w 68,48% przypadków mieścił się w podanym przedziale ±1σ, przy oczekiwanych 68,27%. To miara kalibracji na tym zbiorze, a nie gwarancja dla pojedynczego obrazu ani dla innej populacji.
Wiek szacowany na podstawie wyglądu i etap rozwoju to oszacowania wizualne. Nie weryfikują tożsamości ani nie ustalają wieku osoby w rozumieniu prawa. Decyzje obarczone wysokim ryzykiem i przypadki graniczne powinny podlegać odpowiedniej ocenie człowieka.
Zastosowania operacyjne
W VST Teams szacowanie wieku służy do:
- Wskazywania potencjalnie wrażliwych treści, w których mogą występować osoby małoletnie
- Ustalania priorytetów przeglądu dużych zbiorów multimediów
- Wspierania oceny materiału dowodowego bez zastępowania oceny człowieka
Funkcja jest także dostępna jako samodzielne API lub lekka aplikacja, którą można wdrożyć w środowisku odizolowanym. Dostępne są wtyczki do głównych narzędzi informatyki śledczej służących do analizy obrazów.
Integracja z Griffeye
Wyniki szacowania wieku są widoczne bezpośrednio w Griffeye Analyze, dzięki czemu funkcjonariusze mogą filtrować materiał i ustalać priorytety bez wychodzenia z dotychczasowego środowiska pracy.
Wdrożenie we własnej infrastrukturze
Opisane niżej opcje wdrożenia we własnej infrastrukturze pozostawiają przetwarzanie w Państwa infrastrukturze. Publiczne demo działa inaczej: przesłane obrazy są przechowywane do siedmiu dni na potrzeby weryfikacji bezpieczeństwa treści (trust & safety), a następnie usuwane. Zasady przetwarzania danych w demo (EN) →
- Pełna konteneryzacja
- Praca we własnej infrastrukturze i w środowisku odizolowanym
- Przy wdrożeniu we własnej infrastrukturze obrazy nie są przesyłane do Rigr AI
- Klient zachowuje pełną kontrolę nad danymi wejściowymi i wynikami
Dla programistów
API Media Examiner przyjmuje obrazy przesyłane jako multipart i dla każdej wykrytej twarzy zwraca szacowany wiek, ramkę ograniczającą, poziom pewności detekcji oraz skalibrowaną niepewność.
Szacowanie wieku na podstawie twarzy jest zintegrowane z Media Examiner. Gdy na obrazie widoczna jest odpowiednia twarz, to samo żądanie, które zwraca detekcje nagości, anatomii i treści seksualnych, zwraca również wiek szacowany na podstawie wyglądu wraz ze skalibrowaną niepewnością — obrazu nie trzeba przesyłać dwukrotnie. Integracje z samodzielną usługą szacowania wieku pozostają obsługiwane.
Szczegóły endpointów, schematów odpowiedzi i kodów błędów zawiera dokumentacja API szacowania wieku (w języku angielskim).
POST /classify curl -X POST https://api.mes.rigr.ai/classify \
-H "X-API-KEY: $API_KEY" \
-F "[email protected]" \
-F "model=VisualyzeV2" \
-F "estimate_age=true"{
"classification": {
"key": "rigr-none",
"display_name": "No sexual content",
"severity": 0
},
"flags": [],
"detections": [{
"class_name": "Adult Female Face",
"score": 0.9998,
"bbox": {"x": 0.31, "y": 0.12, "w": 0.18, "h": 0.24},
"age": 25.3,
"age_uncertainty": 1.2
}]
}Najczęstsze pytania
Jak dokładne jest szacowanie wieku Rigr AI?
W naszym zbiorze testowym obecny model osiąga średni błąd bezwzględny (MAE) 1,64 roku ogółem i 0,87 roku dla wieku 0–18 lat, a 68,9% oszacowań mieści się w granicach jednego roku od rzeczywistego wieku. Błąd zależy od wieku, jakości obrazu i populacji; te wartości nie gwarantują dokładności dla pojedynczego obrazu. Każdemu oszacowaniu towarzyszy skalibrowana niepewność.
Czy szacowanie wieku może działać we własnej infrastrukturze lub w środowisku odizolowanym?
Tak. Funkcja jest w pełni skonteneryzowana i może działać we własnej infrastrukturze lub w środowisku odizolowanym, bez przesyłania obrazów do Rigr AI; dane wejściowe i wyniki pozostają pod Państwa kontrolą. Publiczne demo na stronie to odrębna usługa: przechowuje przesłane obrazy do siedmiu dni na potrzeby weryfikacji bezpieczeństwa treści (trust & safety), a następnie je usuwa.
Jak to działa w skali całej sprawy?
W VST Teams szacowanie wieku obejmuje tysiące plików w sprawie i przedstawia rozkład wieku, osoby oszacowane jako małoletnie oraz kolejkę priorytetów. Funkcja jest też dostępna jako samodzielne API lub lekka aplikacja.
Czy narzędzie zastępuje ocenę człowieka?
Nie. Wspiera wstępną selekcję i ocenę materiału dowodowego. Każdemu oszacowaniu towarzyszy skalibrowana niepewność, a ostateczna ocena należy do analityka.
Czy narzędzie przeszło niezależną ocenę?
Tak. Rigr AI wzięła udział w Australian Age Assurance Technology Trial (2025) — niezależnej ocenie zleconej przez rząd Australii i przeprowadzonej przez Age Check Certification Scheme na zbiorze danych przygotowanym na potrzeby tego badania. Ocena wskazała mocne strony Rigr w zakresie gotowości technicznej, ochrony prywatności i użyteczności, w tym wiarygodne decyzje progowe, szybkie przetwarzanie na urządzeniu i niski odsetek wyników fałszywie dodatnich w scenariuszach rzeczywistych. Indywidualny raport z testu jest opublikowany na stronie badania.