Åldersuppskattning
Uppskatta ålder utifrån utseende i ett ansikte, med osäkerheten redovisad bredvid resultatet.
Prova med en bild
Ta ett foto eller ladda upp en bild för att se åldersuppskattningen i praktiken.
Bilder du skickar in sparas i upp till 7 dagar för trust & safety-granskning och raderas sedan. Ladda inte upp bilder på identifierbara personer utan deras samtycke. Så hanterar vi data i demon (på engelska) →
Bara nyfiken på hur gammal du ser ut? Spela ageguesser.ai →
Översikt
Använd åldersuppskattningar för att prioritera granskning i utredningar eller för att skicka innehåll med oklar ålder vidare till trust & safety-team. En visuell uppskattning fastställer inte en persons juridiska ålder.
Bevismaterial i stor skala
Åldersuppskattning gör det möjligt för utredare att snabbt beskriva stora mängder beslagtaget material. Diagrammet nedan visar den uppskattade åldersfördelningen för 100 000 ansikten som upptäckts i material med sexuella övergrepp mot barn (CSAM) – ett exempel på hur funktionen kan sammanfatta stora bevismängder för utredningen och för presentation i domstol.
Från en körning i VST Teams på 100 000 ansikten i beslagtaget CSAM.
Modellens prestanda
Den nuvarande modellen (v3) är en vision transformer som finjusterats på en stor, kurerad datamängd med verkliga bilder och verifierade åldersetiketter. För varje upptäckt ansikte ger den en punktuppskattning tillsammans med ett kalibrerat osäkerhetsvärde.
Siffrorna beskriver vår datamängd för utvärdering, inte träffsäkerheten för varje uppladdad bild. Felet varierar med åldersgrupp, bildkvalitet och population – jämför åldersintervallen nedan.
Träffsäkerhet per åldersintervall
| Åldersintervall | MAE (år) | Inom ±1 år | Inom ±2 år |
|---|---|---|---|
| 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 (alla minderåriga) | 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% |
Jämförelse med andra system
En oberoende utvärdering mot ledande kommersiella system för åldersuppskattning visar att Rigr AI presterar bättre än konkurrenterna vid varje enskild ålder från 0 till 16, med särskilt stora fördelar för yngre barn (0–5 år) och för åldrarna strax före och i början av tonåren (8–15 år), där konkurrenternas fel är 2–3× större.
Kalibrerad osäkerhet
I utvärderingsdatamängden låg 68,48 % av de verkliga åldrarna inom det rapporterade ±1σ-intervallet, jämfört med förväntade 68,27 %. Det mäter kalibreringen på just den datamängden – det är ingen garanti för en enskild bild eller en annan population.
Utdata om uppskattad ålder och utvecklingsstadium är visuella uppskattningar. De verifierar inte identitet och fastställer inte en persons juridiska ålder. Beslut med hög risk och gränsfall bör omfatta lämplig mänsklig granskning.
Operativ användning
I VST Teams används åldersuppskattning för att:
- Lyfta fram potentiellt känsligt innehåll som rör minderåriga
- Prioritera granskning i stora mängder mediematerial
- Stödja bevisvärderingen utan att ersätta mänsklig bedömning
Funktionen finns också som fristående API eller som en lättviktig applikation som kan driftsättas i en helt nätverksisolerad (air-gapped) miljö. Insticksprogram finns för de vanligaste forensiska verktygen för bildanalys.
Integration med Griffeye
Resultaten från åldersuppskattningen visas direkt i Griffeye Analyze, så att utredare kan filtrera och prioritera utan att lämna sitt befintliga arbetsflöde.
Driftsättning on-premise
Alternativen för driftsättning on-premise nedan håller bearbetningen inom er infrastruktur. Den här publika demon fungerar annorlunda: inskickade bilder sparas i upp till sju dagar för trust & safety-granskning och raderas sedan. Datapolicy för demon (på engelska) →
- Helt containeriserad
- Drift lokalt och helt nätverksisolerat (air-gapped)
- Inga bilder skickas till Rigr AI vid driftsättning on-premise
- Kunden behåller full kontroll över indata och utdata
För utvecklare
Media Examiner API tar emot bilder som multipart-uppladdning och returnerar uppskattade åldrar, avgränsningsrutor, konfidensvärden och kalibrerad osäkerhet för varje upptäckt ansikte.
Åldersuppskattning från ansikten är integrerad i Media Examiner. När ett lämpligt ansikte syns returnerar samma anrop som ger detektioner av nakenhet, anatomi och sexuellt innehåll också en uppskattad ålder utifrån utseende och dess kalibrerade osäkerhet – ni behöver inte skicka bilden två gånger. Integrationer som byggts mot den fristående ålderstjänsten stöds fortsatt.
Fullständig information om endpoints, svarsscheman och felkoder finns i API-referensen för åldersuppskattning (på engelska).
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
}]
}Vanliga frågor
Hur träffsäker är Rigr AI:s åldersuppskattning?
På vårt testdataset har den nuvarande modellen ett medelabsolutfel (MAE) på 1,64 år totalt och 0,87 år för åldrarna 0–18, och 68,9 % av uppskattningarna ligger inom ett år från den faktiska åldern. Felet varierar med ålder, bildkvalitet och population – siffrorna garanterar inte träffsäkerheten för en enskild bild. Varje uppskattning har en kalibrerad osäkerhet.
Kan åldersuppskattningen köras lokalt eller helt nätverksisolerat?
Ja. Den är helt containerbaserad och kan köras lokalt i er egen miljö (on-premise) eller helt nätverksisolerad (air-gapped), utan att några bilder skickas till Rigr AI. Indata och resultat förblir under er kontroll. Den publika demon på webbplatsen är något annat: den sparar uppladdade bilder i upp till sju dagar för trust & safety-granskning och raderar dem sedan.
Hur fungerar det för ett helt ärende?
I VST Teams körs åldersuppskattningen över tusentals filer i ett ärende och visar åldersfördelningen, de personer som uppskattas vara minderåriga och en prioriteringskö. Funktionen finns också som fristående API eller som en lättviktig applikation.
Ersätter den mänsklig bedömning?
Nej. Den stöder triagering och bedömning av bevisning. Varje uppskattning har en kalibrerad osäkerhet, och det slutliga avgörandet ligger hos granskaren.
Har den utvärderats oberoende?
Ja. Rigr AI deltog i Australian Age Assurance Technology Trial (2025), en oberoende utvärdering på uppdrag av Australiens regering som genomfördes av Age Check Certification Scheme på ett dataset som tagits fram för utvärderingen. Bedömningen gav Rigr starka resultat för teknisk mognad, integritetsskydd och användbarhet, med tillförlitliga tröskelbaserade beslut, snabb bearbetning på enheten och låg andel falskt positiva i verklighetsnära scenarier. Den enskilda testrapporten finns publicerad på utvärderingens webbplats.