Оцінювання віку
Оцінювання віку на вигляд за обличчям — з невизначеністю поруч із результатом.
Спробувати на зображенні
Зробіть фото або завантажте зображення, щоб побачити оцінювання віку в дії.
Надіслані зображення зберігаються до 7 днів для перевірки командою з безпеки контенту (trust & safety), а потім видаляються. Не завантажуйте без згоди зображення людей, яких можна ідентифікувати. Як ми поводимося з даними демо →
Просто цікаво, на скільки років ви виглядаєте? Зіграти в ageguesser.ai (англ.) →
Огляд
Використовуйте оцінки віку, щоб визначати пріоритети перегляду в розслідуваннях або спрямовувати командам з безпеки контенту (trust & safety) контент, на якому вік людей неоднозначний. Візуальна оцінка не встановлює юридичного віку людини.
Докази у великих обсягах
Оцінювання віку дає слідчим змогу швидко охарактеризувати великі обсяги вилучених матеріалів. На діаграмі нижче показано розподіл оціночного віку для 100 000 облич, виявлених у матеріалах сексуального насильства над дітьми, — це ілюструє, як ця можливість допомагає узагальнювати великі масиви доказів для розслідування та представлення в суді.
За результатами обробки у VST Teams 100 000 облич із вилучених матеріалів CSAM.
Показники моделі
Поточна модель (v3) — це модель типу vision transformer (ViT), донавчена на великому ретельно відібраному наборі реальних зображень із перевіреними мітками віку. Для кожного виявленого обличчя вона видає точкову оцінку разом із каліброваним значенням невизначеності.
Ці показники описують наш еталонний набір даних, а не точність для кожного завантаженого зображення. Похибка залежить від вікової групи, якості зображення та популяції; порівняйте вікові діапазони нижче.
Точність за віковими діапазонами
| Віковий діапазон | MAE, років | У межах ±1 року | У межах ±2 років |
|---|---|---|---|
| 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 (усі неповнолітні) | 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% |
Порівняння з конкурентами
Незалежне порівняння з провідними комерційними системами оцінювання віку показує, що Rigr AI перевершує конкурентів для кожного окремого віку від 0 до 16 років, з особливо помітною перевагою для молодших дітей (0–5 років) і в діапазоні від передпідліткового до раннього підліткового віку (8–15 років), де похибки конкурентів у 2–3 рази більші.
Калібрована невизначеність
На оцінювальному наборі даних 68,48 % справжніх значень віку потрапило в зазначений інтервал ±1σ за очікуваних 68,27 %. Це характеризує калібрування на цьому наборі даних і не є гарантією для окремого зображення чи іншої популяції.
Вік на вигляд і стадія розвитку — це візуальні оцінки. Вони не підтверджують особу й не встановлюють юридичного віку людини. Рішення з високим ризиком і в граничних випадках мають передбачати належний перегляд людиною.
Застосування на практиці
У VST Teams оцінювання віку використовують, щоб:
- Виділяти потенційно чутливий контент за участю неповнолітніх
- Визначати пріоритети перегляду у великих масивах медіаданих
- Підтримувати оцінювання доказів, не замінюючи людського судження
Ця можливість також доступна як окремий API або легкий застосунок, який можна розгорнути в ізольованому середовищі (air-gapped). Для основних інструментів криміналістичного аналізу зображень є плагіни.
Інтеграція з Griffeye
Результати оцінювання віку відображаються безпосередньо в Griffeye Analyze, тож слідчі можуть фільтрувати матеріали й визначати пріоритети, не виходячи зі звичного робочого процесу.
Розгортання у власній інфраструктурі
Описані нижче варіанти розгортання у власній інфраструктурі не виводять обробку за межі ваших систем. Це публічне демо працює інакше: надіслані зображення зберігаються до семи днів для перевірки командою з безпеки контенту (trust & safety), а потім видаляються. Політика щодо даних демо →
- Повна контейнеризація
- Робота у власній інфраструктурі та в ізольованому середовищі (air-gapped)
- У разі розгортання у власній інфраструктурі зображення не надсилаються до Rigr AI
- Замовник зберігає повний контроль над вхідними й вихідними даними
Для розробників
API Media Examiner приймає зображення як multipart-завантаження і для кожного виявленого обличчя повертає оціночний вік, обмежувальну рамку (bounding box), показник впевненості та калібровану невизначеність.
Оцінювання віку за обличчям інтегровано в Media Examiner. Якщо на зображенні видно придатне для аналізу обличчя, той самий запит, що повертає результати виявлення оголеності, анатомічних ознак і сексуального контенту, повертає також вік на вигляд і його калібровану невизначеність — надсилати зображення двічі не потрібно. Інтеграції, побудовані на окремому сервісі оцінювання віку, і далі підтримуються.
Повний опис ендпоінтів, схеми відповіді та кодів помилок наведено в довіднику API оцінювання віку.
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
}]
}Поширені запитання
Наскільки точне оцінювання віку Rigr AI?
На нашому еталонному наборі даних поточна модель має середню абсолютну похибку (MAE) 1,64 року загалом і 0,87 року для віку 0–18 років, а 68,9 % оцінок відрізняються від справжнього віку не більше ніж на один рік. Похибка залежить від віку, якості зображення та демографічної групи; ці показники не гарантують точності для окремого зображення. Кожна оцінка супроводжується каліброваною невизначеністю.
Чи може оцінювання віку працювати у власній інфраструктурі або в ізольованому середовищі (air-gapped)?
Так. Рішення повністю контейнеризоване і може працювати у власній інфраструктурі або в ізольованому середовищі (air-gapped), без надсилання зображень до Rigr AI; вхідні дані та результати залишаються під вашим контролем. Публічне демо на вебсайті — окремий сервіс: воно зберігає надіслані зображення до семи днів для перевірки з погляду безпеки контенту (trust & safety), а потім видаляє їх.
Як це працює в масштабі цілої справи?
У VST Teams оцінювання віку охоплює тисячі файлів у справі й повертає розподіл за віком, перелік осіб, яких модель оцінила як неповнолітніх, і чергу пріоритетів. Воно також доступне як окремий API або легкий застосунок.
Чи замінює це судження людини?
Ні. Інструмент підтримує первинне сортування й оцінювання доказів; кожну оцінку супроводжує калібрована невизначеність, тож остаточне судження залишається за аналітиком.
Чи проходило рішення незалежне оцінювання?
Так. Rigr AI взяла участь в Australian Age Assurance Technology Trial (2025) — незалежному оцінюванні, яке замовив уряд Австралії і провела організація Age Check Certification Scheme на наборі даних, створеному для цього випробування. За результатами оцінювання Rigr показала сильні результати щодо технічної готовності, узгодженості із засадами приватності та зручності використання, зокрема надійні рішення на основі порогових значень, швидку обробку на пристрої та низьку частку хибнопозитивних результатів у реальних сценаріях. Індивідуальний звіт про тестування опубліковано на сайті випробування.