ફેશિયલ ઇમેજ અને વિડિયો ડેટા લાઇસન્સિંગની સુવિધા ઉપલબ્ધ છે
AI મોડેલ તાલીમ માટે ઑફ-ધ-શેલ્ફ ફેશિયલ રેકગ્નિશન ડેટાસેટ્સ
અગ્રણી વૈશ્વિક ટેકનોલોજી સમૂહ માટે AI મોડેલ તાલીમને વેગ આપવા અને પૂર્વગ્રહ ઘટાડવા માટે નૈતિક રીતે સ્ત્રોત, વસ્તી વિષયક રીતે વૈવિધ્યસભર ડેટાસેટ્સનો ઉપયોગ કરવો.
પ્રોજેક્ટ ઓવરવ્યૂ
ક્લાયન્ટ લાંબા, ખર્ચાળ ડેટા સંગ્રહ ચક્રમાંથી પસાર થયા વિના AI-સંચાલિત ચહેરાની ઓળખના વિકાસને વેગ આપવા માંગતો હતો. આ હાંસલ કરવા માટે, તેમને ઉપયોગમાં લેવા માટે તૈયાર ડેટાસેટ્સની જરૂર હતી જે ફક્ત મોટા અને વૈવિધ્યસભર જ નહીં , પણ નૈતિક રીતે સ્ત્રોત અને વૈશ્વિક ડેટા ગોપનીયતા નિયમોનું પાલન કરતા હોય.
શેપે લાઇટિંગ, હેડ પોઝ, ઓક્લુઝન અને લાગણીઓમાં નિયંત્રિત ભિન્નતા સાથે વ્યાપક ડેટાસેટ્સ પહોંચાડ્યા, જેનાથી ક્લાયન્ટના મોડેલો જરૂરી વંશીય અને વસ્તી વિષયક માપદંડોને પૂર્ણ કરતી વખતે ચોકસાઈ અને ન્યાયીતા બંને પ્રાપ્ત કરી શક્યા. દરેક ડેટાસેટમાં વિગતવાર મેટાડેટા, પોઝ એનોટેશન અને લાગણી ઓળખ માટે બાઉન્ડિંગ બોક્સનો સમાવેશ થતો હતો, જેનાથી મોડેલોને અત્યંત વૈવિધ્યસભર, વાસ્તવિક-વિશ્વના દૃશ્યોમાં તાલીમ અને પરીક્ષણ કરવાની મંજૂરી મળી.
કી આંકડા
૭,૦૦૦+ વિષયો
ઐતિહાસિક ડેટાસેટમાં 300,000+ છબીઓ અને 2,000 વિડિઓઝ સાથે.
૭,૦૦૦+ વિષયો
મલ્ટી-એંગલ ઈમોશન ડેટાસેટમાં.
74,880 છબીઓ
લાઇટિંગમાં
ભિન્નતા ડેટાસેટ.
18,600 છબીઓ
છને આવરી લેતું
મુખ્ય લાગણીઓ.
પરિયોજના દર્શન
ક્લાયન્ટને ચહેરાની ઓળખ મોડેલોના વિકાસ અને તાલીમને ટેકો આપવા માટે મોટા પાયે, નૈતિક રીતે સ્ત્રોતિત અને વસ્તી વિષયક રીતે વૈવિધ્યસભર ચહેરાની છબી અને વિડિઓ ડેટાસેટ્સની જરૂર હતી. આ ડેટાસેટ્સ એન્ટી-સ્પૂફિંગ, ઓળખ ચકાસણી, છબી મેચિંગ અને અભિવ્યક્તિ વિશ્લેષણ સિસ્ટમોમાં પાવર ઉપયોગના કેસ માટે આવશ્યક હતા , જે વાસ્તવિક દુનિયાની એપ્લિકેશનોમાં મજબૂત અને નિષ્પક્ષ AI પ્રદર્શન સુનિશ્ચિત કરે છે.
આ જોડાણના ક્ષેત્રમાં શામેલ છે:
- પહોંચાડવા ક્યુરેટેડ ડેટાસેટ્સ એન્ટી-સ્પૂફિંગ, ઓળખ ચકાસણી અને અભિવ્યક્તિ ઓળખ જેવા ચહેરાની ઓળખના ઉપયોગના કેસોને પહોંચી વળવા માટે રચાયેલ છે.
- પૂરું પાડવું વિગતવાર ટીકાઓ સાથે છબીઓ અને વિડિઓઝ વસ્તી વિષયક માહિતી, માથાની મુદ્રા, અવરોધો, પ્રકાશનો પ્રકાર અને લાગણીઓ માટે.
- ખાતરી આપવી સંતુલિત વસ્તી વિષયક કવરેજ તાલીમમાં પ્રણાલીગત પૂર્વગ્રહ ઘટાડવા માટે.
- બાંયધરી પાલન અને સંમતિ વૈશ્વિક ડેટા સુરક્ષા અને ગોપનીયતા ધોરણો સાથે.
નમૂના ડેટાસેટ યોગદાન:
- ઐતિહાસિક ડેટાસેટ (~૭,૦૦૦ વિષયો): ૩૦૦,૦૦૦+ છબીઓ અને ૨,૦૦૦ વિડિઓઝ જેમાં પોઝ અને ઓક્લુઝન ભિન્નતા છે.
- મલ્ટી-એંગલ ઇમોશન ડેટાસેટ (~૧૦,૦૦૦ વિષયો): દરેક વિષય માટે ખૂણા અને ભાવનાત્મક સ્થિતિઓમાં ૧૫-૨૦ છબીઓ.
- છ લાગણીઓ ડેટાસેટ (~3,100 વિષયો): મુખ્ય માનવ અભિવ્યક્તિઓને આવરી લેતી 18,600 ટિપ્પણીવાળી છબીઓ.
- લાઇટિંગ ભિન્નતા ડેટાસેટ (~૪૬૮ વિષયો): નવ પ્રકાશની પરિસ્થિતિઓમાં ૭૪,૮૮૦ છબીઓ.
પડકારો
આ પ્રોજેક્ટમાં મજબૂત AI મોડેલ્સના નિર્માણમાં સામાન્ય રીતે આવતા મુખ્ય પડકારોનો સામનો કરવામાં આવ્યો હતો:
AI મોડલ્સમાં પૂર્વગ્રહ
ન્યાયીતા સુનિશ્ચિત કરવા માટે ચોક્કસ વંશીયતા અથવા લિંગનું વધુ પડતું પ્રતિનિધિત્વ અટકાવવું.
વાસ્તવિક-વિશ્વ પરિવર્તનક્ષમતા
પ્રકાશની સ્થિતિ, ચહેરાના ખૂણા, અવરોધો અને કુદરતી હાવભાવ કેપ્ચર કરવા.
સ્કેલ અને ગુણવત્તા
વિવિધતા સાથે સમાધાન કર્યા વિના લાખો ઉચ્ચ-રીઝોલ્યુશન છબીઓ પ્રદાન કરવી.
નિયમનકારી અનુપાલન
સંપૂર્ણ સહભાગી સંમતિ સાથે કડક વૈશ્વિક ગોપનીયતા અને ડેટા સુરક્ષા આવશ્યકતાઓનું પાલન કરવું.
ઉકેલ
ડેટાસેટ ગુણવત્તા અને સુસંગતતા સુનિશ્ચિત કરવા માટે શેપે એક માળખાગત અભિગમ અમલમાં મૂક્યો:
- ક્યુરેટેડ બેલેન્સ્ડ ડેટાસેટ્સ વ્યાપક વંશીય, લિંગ અને વય પ્રતિનિધિત્વ સાથે.
- કેપ્ચર્ડ મલ્ટી-એંગલ પોઝ અને લાઇટિંગ ભિન્નતા વાસ્તવિક દુનિયાની પરિસ્થિતિઓનું પુનરાવર્તન કરવા માટે.
- ઉમેરાયેલ વિગતવાર ટીકાઓ (દા.ત., માથાની મુદ્રા, અવરોધો, લાગણીઓ) ડેટાસેટ ઉપયોગીતાને સમૃદ્ધ બનાવવા માટે.
- કડક સ્થાપના કરી ગુણવત્તા નિયંત્રણ અને પાલન કાર્યપ્રવાહ નૈતિક સોર્સિંગ અને ગોપનીયતાના પાલનની ખાતરી આપવા માટે.
ડેટાસેટ પોર્ટફોલિયો
| ડેટાસેટ | વોલ્યુમ | વસ્તી વિષયક / વિવિધતા | ધોરણો / સ્પષ્ટીકરણો |
|---|---|---|---|
| ઐતિહાસિક ચહેરાની છબી અને વિડિઓ ડેટાસેટ (~7,000 વિષયો) | ૭,૦૦૦ નોંધણી છબીઓ; ૩૦૦,૦૦૦+ ઐતિહાસિક છબીઓ; ૨,૦૦૦ વિડિઓઝ (૧,૦૦૦ વિષયો દીઠ ૧ ઇન્ડોર + ૧ આઉટડોર) | વંશીયતા: કાળો (35%), પૂર્વ એશિયન (42%), દક્ષિણ એશિયન (13%), શ્વેત (10%); લિંગ: 50% પુરુષ / 50% સ્ત્રી; ઉંમર: 18+ વયસ્કો (છેલ્લા 10 વર્ષ) | વિડિઓ સમયગાળો: 1–2 મિનિટ; હેડ પોઝ ભિન્નતા (P1–P7); 5 અવરોધ પ્રકારો (O0–O4) |
| ચહેરાના છબી ડેટાસેટ (~5,000 વિષયો) | પ્રત્યેક વિષય માટે ૩૫ છબીઓ; ૨,૫૦૦ ભારતીયો; ૧,૦૦૦ એશિયનો; ૧,૫૦૦ કાળાઓ | ઉંમર: ૧૮-૬૦ વર્ષ; સંતુલિત લિંગ વિતરણ | કોઈ બ્યુટિફિકેશન નહીં; વિવિધ પૃષ્ઠભૂમિ અને કપડાં; ન્યૂનતમ રિઝોલ્યુશન: 960×1280 |
| મલ્ટી-એંગલ ઈમોશન ડેટાસેટ (~૧૦,૦૦૦ વિષયો - ચાઈનીઝ) | વિષય દીઠ ૧૫-૨૦ છબીઓ; પોઝ: આગળ, ડાબે, જમણે (૩૦°–૬૦°); અભિવ્યક્તિઓ: સ્મિત, ખુલ્લું મોં, ઉદાસી, ગંભીર, તટસ્થ | વંશીયતા: ચાઇનીઝ; ઉંમર: 18–26; લિંગ: 50/50 વિભાજીત | રિઝોલ્યુશન: 2160×3840 પિક્સેલ્સ અથવા ઉચ્ચ |
| છ માનવ લાગણીઓ ડેટાસેટ (~3,100 વિષયો) | વિષય દીઠ ૬ છબીઓ (વિવિધ અભિવ્યક્તિઓ); કુલ ૧૮,૬૦૦ છબીઓ | વંશીયતા: જાપાનીઝ (9,000), કોરિયન (2,400), ચાઇનીઝ (2,400), દક્ષિણપૂર્વ એશિયન (2,400), દક્ષિણ એશિયન (2,400); ઉંમર: 20-65 વર્ષ | લાગણીઓ માટે બાઉન્ડિંગ બોક્સ એનોટેશન; સાદા પૃષ્ઠભૂમિ; કોઈ ટોપી, ચશ્મા અથવા અવરોધો નહીં |
| લાઇટિંગ ભિન્નતા ડેટાસેટ (~૪૬૮ ભારતીય વિષયો) | વિષય દીઠ ૧૬૦ છબીઓ; કુલ: ૭૪,૮૮૦ છબીઓ | ઉંમર: 20-70; 70% પુરુષ | 9 લાઇટિંગ સ્થિતિઓ (ઇન્ડોર, આઉટડોર, સાઇડ લાઇટ, બેકલાઇટ, નિયોન, વગેરે) |
| બહુ-વંશીય ચહેરાના છબી ડેટાસેટ (~600 વિષયો) | કુલ ૩,૭૫૨ છબીઓ | વંશીયતા: આફ્રિકન, મધ્ય પૂર્વીય, મૂળ અમેરિકન, દક્ષિણ એશિયન, દક્ષિણપૂર્વ એશિયન; ઉંમર: 20-70 વર્ષ | - |
પરિણામ
આ સહયોગથી નોંધપાત્ર વ્યવસાયિક અને તકનીકી અસર પડી:
- સુધારેલ મોડેલ ચોકસાઈ: બહુવિધ ઉપયોગના કેસોમાં ચહેરાની ઓળખ મોડેલો માટે સુધારેલ ચોકસાઇ અને રિકોલ.
- પૂર્વગ્રહ ઘટાડો: સંતુલિત વસ્તી વિષયક પ્રતિનિધિત્વથી AI આઉટપુટમાં પ્રણાલીગત પૂર્વગ્રહ ઓછો થયો.
- ઝડપી વિકાસ સમયરેખા: શેલ્ફની બહારના ડેટાસેટ્સ લાંબા ડેટા સંગ્રહ વિના ઝડપી પ્રોટોટાઇપિંગ અને મોડેલ તાલીમને મંજૂરી આપે છે.
- નિયમનકારી અનુપાલન: બધા ડેટાસેટ્સ વૈશ્વિક ગોપનીયતા ધોરણોનું પાલન કરે છે અને તેમાં સહભાગીઓની સંમતિ શામેલ છે.
શેપના વૈવિધ્યસભર, નૈતિક રીતે સ્ત્રોતિત ડેટાસેટ્સે અમને જરૂરી ગતિ, ગુણવત્તા અને પાલન આપ્યું. ઉપયોગ માટે તૈયાર ડેટા સાથે, અમે AI મોડેલ તાલીમને વેગ આપ્યો અને પ્રણાલીગત પૂર્વગ્રહમાં નોંધપાત્ર ઘટાડો કર્યો.
