Szacowanie wieku
Oszacuj wiek na podstawie wyglądu twarzy — wraz z informacją o niepewności wyniku.
Wypróbuj na zdjęciu
Zrób zdjęcie lub prześlij obraz, aby sprawdzić szacowanie wieku.
Przesłane obrazy przechowujemy do 7 dni na potrzeby kontroli bezpieczeństwa, a następnie usuwamy. Nie przesyłaj zdjęć osób możliwych do zidentyfikowania bez ich zgody. Jak przetwarzamy dane w demo (EN) →
Chcesz sprawdzić, na ile lat wyglądasz? Wypróbuj ageguesser.ai →
Przegląd
Wykorzystaj szacowany wiek do ustalania kolejności przeglądu materiału w postępowaniu lub kierowania treści z niejednoznacznym wiekiem do zespołów ds. zaufania i bezpieczeństwa. Ocena wyglądu nie ustala wieku osoby w rozumieniu prawa.
Analiza dużych zbiorów dowodowych
Szacowanie wieku pozwala szybko scharakteryzować duże ilości zabezpieczonego materiału. Poniższy wykres pokazuje szacowany rozkład wieku dla 100 000 twarzy wykrytych w materiałach przedstawiających seksualne wykorzystywanie dzieci (CSAM). Ilustruje, jak można podsumować duży zbiór dowodowy na potrzeby postępowania i prezentacji w sądzie.
Wyniki analizy 100 000 twarzy w zabezpieczonych materiałach CSAM w VST Teams.
Wyniki modelu
Obecny model (v3) to transformator wizyjny dostrojony na dużym, starannie dobranym zbiorze rzeczywistych obrazów ze zweryfikowanymi oznaczeniami wieku. Dla każdej wykrytej twarzy podaje oszacowanie punktowe i skalibrowaną wartość niepewności.
Te wyniki opisują nasz zbiór testowy, a nie dokładność każdego przesłanego obrazu. Błąd zależy od grupy wiekowej, jakości obrazu i populacji; porównaj przedziały wieku poniżej.
Dokładność według przedziału wieku
| Przedział wieku | MAE (lata) | 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 (cała grupa) | 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 w porównaniu z czołowymi komercyjnymi systemami szacowania wieku wykazała przewagę Rigr AI dla każdego rocznika od 0 do 16 lat. Szczególnie wyraźne różnice dotyczą najmłodszych dzieci (0–5 lat) oraz grupy 8–15 lat, w której błędy konkurencyjnych systemów były 2–3 razy większe.
Skalibrowana niepewność
W zbiorze ewaluacyjnym 68,48% rzeczywistych wartości wieku mieściło się w podanym przedziale ±1σ, przy wartości oczekiwanej 68,27%. To miara kalibracji dla tego zbioru, a nie gwarancja wyniku dla pojedynczego obrazu ani innej populacji.
Szacowany wiek i etap rozwoju to oceny oparte na wyglądzie. Nie weryfikują tożsamości ani nie ustalają wieku osoby w rozumieniu prawa. Decyzje wysokiego ryzyka i przypadki graniczne wymagają odpowiedniego przeglądu przez człowieka.
Zastosowania operacyjne
W VST Teams szacowanie wieku służy do:
- Wskazywania potencjalnie wrażliwych treści z udziałem osób małoletnich
- Ustalania priorytetów przeglądu dużych zbiorów multimediów
- Wspierania oceny materiału dowodowego bez zastępowania osądu człowieka
Funkcja jest także dostępna jako samodzielne API lub lekka aplikacja, którą można wdrożyć w środowisku odizolowanym od sieci. Dostępne są wtyczki do głównych narzędzi informatyki śledczej służących do analizy obrazów.
Integracja z Griffeye
Wyniki szacowania wieku są widoczne bezpośrednio w Griffeye Analyze. Funkcjonariusze mogą filtrować materiał i ustalać priorytety w używanym już środowisku pracy.
Wdrożenie we własnej infrastrukturze
Poniższe opcje wdrożenia lokalnego pozostawiają przetwarzanie w infrastrukturze klienta. Publiczne demo działa inaczej: przesłane obrazy są przechowywane do siedmiu dni na potrzeby kontroli bezpieczeństwa, a następnie usuwane. Zasady przetwarzania danych w demo (EN) →
- Pełna konteneryzacja
- Praca we własnej infrastrukturze i w środowisku odizolowanym od sieci
- Przy wdrożeniu lokalnym obrazy nie są przesyłane do Rigr AI
- Klient zachowuje pełną kontrolę nad danymi wejściowymi i wynikami
Dla programistów
API Media Examiner przyjmuje obrazy w żądaniach multipart i zwraca szacowany wiek, ramki ograniczające, poziom pewności detekcji oraz skalibrowaną niepewność dla każdej wykrytej twarzy.
Szacowanie wieku na podstawie twarzy jest zintegrowane z Media Examiner. Gdy widoczna jest odpowiednia twarz, to samo żądanie, które zwraca detekcje nagości, anatomii i treści seksualnych, zwraca również szacowany wiek i jego skalibrowaną niepewność — nie trzeba przesyłać obrazu 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. 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 lokalnie lub w sieci odizolowanej?
Tak. Funkcja jest w pełni skonteneryzowana i może działać we własnej infrastrukturze lub w sieci odizolowanej, bez przesyłania obrazów do Rigr AI. Dane wejściowe i wyniki pozostają pod kontrolą klienta. Publiczne demo na stronie jest odrębną usługą: przechowuje przesłane obrazy do siedmiu dni na potrzeby kontroli bezpieczeństwa, a następnie je usuwa.
Jak działa analiza całej sprawy?
W VST Teams szacowanie wieku obejmuje tysiące plików w sprawie i przedstawia rozkład wieku, wskazania osób potencjalnie małoletnich 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 uczestniczyło w Australian Age Assurance Technology Trial (2025), niezależnym badaniu zleconym przez rząd Australii i prowadzonym przez Age Check Certification Scheme na zbiorze danych przygotowanym do tego badania. Ocena wskazała mocne wyniki 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 jest opublikowany na stronie badania.