年齡估算
概覽
從面部圖像估算年齡，在技術上困難，在行動上亦屬敏感。在調查情境中，準確度、偏差控制及可審核性都至關重要。
Rigr AI 的年齡估算功能可從面部圖像及影片畫面提供高度準確的年齡估算，並專為執法及受規管用途而設。
大規模證據處理
年齡估算讓調查人員能快速辨析大量檢取的材料。下圖顯示在兒童性虐待材料中偵測到的 100,000 張面孔的估算年齡分佈——說明此功能如何為調查及法庭陳述總結龐大的證據集。
來自 VST Teams 在檢取的兒童性虐待材料中處理 100,000 張面孔的結果。
試用
拍攝相片或上載圖像，即時體驗年齡估算。
你提交的圖像會保留最多 7 天作信任與安全審查之用，其後刪除。請勿在未經當事人同意下上載可識別身分人士的圖像。我們如何處理示範數據 →
模型效能
目前的模型（v3）是一個視覺轉換器（vision transformer），在大量經過篩選、附有經核實年齡標籤的真實圖像數據集上微調而成。它會為每張偵測到的面孔產生一個點估算值，連同經校準的不確定度數值。
按年齡範圍劃分的準確度
| 年齡範圍 | 平均絕對誤差（年） | 誤差在 ±1 年內 | 誤差在 ±2 年內 |
|---|---|---|---|
| 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（所有未成年人） | 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% |
具競爭力的表現
與領先的商用年齡估算系統作獨立評比顯示，Rigr AI 在 0 至 16 歲的每一個年齡上均優於對手，當中對年幼兒童（0–5 歲）及前青春期／青春期初段（8–15 歲）的優勢尤其明顯，這些範圍對手的誤差率高出 2 至 3 倍。
經校準的不確定度
每項預測均包含一個經校準的不確定度數值（±年），代表 1σ 置信界限。模型的不確定度估算經過嚴格驗證：在 1σ 水平，實際覆蓋率為 68.48%，相對於 68.27% 的理論理想值——接近完美的校準。這意味著所報告的置信區間值得信賴，並可付諸行動。
行動應用
在 VST Teams 中，年齡估算用於：
- 標示可能涉及未成年人的敏感內容
- 在大型媒體數據集中排定審視的優先次序
- 支援證據評估，但不取代人為判斷
此功能亦可作為獨立 API 或輕量應用程式提供，並可部署於氣隙隔離環境。主要的法證圖像分析工具均提供外掛程式。
與 Griffeye 整合
年齡估算結果可直接呈現於 Griffeye Analyze 之內，讓調查人員無需離開現有工作流程即可篩選及排序。
部署與控制
- 完全容器化
- 本地及氣隙隔離運行
- 不保留數據
- 客戶完全掌控輸入與輸出
給開發人員
年齡估算 API 接受 base64 編碼的圖像，並為每張偵測到的面孔返回估算年齡、邊界框、置信度分數及經校準的不確定度。
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
}]
}]
}