முக அடையாள அங்கீகாரத்திற்கான AI படத் தரவு சேகரிப்பு

முக அடையாள அங்கீகார அமைப்புகள் செயல்பட ஒரு விஷயம் தேவைப்படுகிறது. அவற்றுக்கு உயர்தரப் பயிற்சித் தரவு (training data) தேவை.

பன்முகத்தன்மை கொண்ட மற்றும் நெறிமுறை சார்ந்த படங்கள் இல்லையென்றால், இந்த அமைப்புகள் தோல்வியடையும். அவை துல்லியத்தன்மையை இழந்து, ஒருதலைப்பட்சமான முடிவுகளை (bias) உருவாக்கும். நீங்கள் நம்பகமான AI-ஐ உருவாக்க விரும்பினால், உங்கள் தரவு சேகரிப்பு உத்திக்கு (data collection strategy) முன்னுரிமை அளிக்க வேண்டும்.

ஒரு தரவுத்தொகுப்பை (dataset) எது பயனுள்ளதாக்குகிறது?

ஒரு சிறந்த தரவுத்தொகுப்பில் பின்வருவன இடம்பெற வேண்டும்:

  • பல்வேறு இனங்கள் மற்றும் வயதுப் பிரிவுகள்
  • பல்வேறு பாலினங்கள் மற்றும் புவியியல் பகுதிகள்
  • பகல் மற்றும் இரவு போன்ற பல்வேறு ஒளிச் சூழல்கள்
  • பல கேமரா கோணங்கள் மற்றும் வானிலை சூழல்கள்
  • சிரிப்பு அல்லது தீவிரமான முகம் போன்ற பல்வேறு உணர்ச்சிகள்
  • கண்ணாடி, முகமூடி அல்லது தொப்பி போன்ற அணிகலன்கள்

பன்முகத்தன்மை ஏன் முக்கியமானது?

இது அல்காரிதமிக் சார்புநிலையை (algorithmic bias) குறைக்கிறது. உங்கள் தரவு அனைவரையும் பிரதிநிதித்துவப்படுத்தும் போது, உங்கள் மாதிரி (model) அனைவருக்கும் வேலை செய்யும். இது உங்கள் அமைப்பை நியாயமானதாகவும் அனைவரையும் உள்ளடக்கியதாகவும் மாற்றுகிறது.

நீங்கள் எதிர்கொள்ளும் முக்கிய சவால்கள்:

  • தனியுரிமைச் சட்டங்கள்: நீங்கள் GDPR மற்றும் CCPA ஆகியவற்றைப் பின்பற்ற வேண்டும். சம்மதம் பெறுவது கட்டாயமாகும்.
  • தரவுத்தொகுப்பு சார்புநிலை: போதுமான பிரதிநிதித்துவம் இல்லாத குழுக்கள் துல்லியத்தன்மையைக் குறைக்கும்.
  • தரவுத் தரம்: மங்கலான அல்லது குறைந்த தெளிவுத்திறன் கொண்ட படங்கள் உங்கள் மாதிரியைப் பாதிக்கும்.
  • அளவு (Scale): மில்லியன் கணக்கான படங்களை நிர்வகிக்க கடுமையான ஒழுங்கமைப்பு தேவை.

உங்கள் முடிவுகளை எவ்வாறு மேம்படுத்துவது:

  • Crowdsourcing மற்றும் தொழில்முறை அமர்வுகள் போன்ற பல ஆதாரங்களைப் பயன்படுத்தவும்.
  • முக அடையாளங்கள் (facial landmarks) மற்றும் bounding boxes ஆகியவற்றிற்கான துல்லியமான லேபிளிங்கில் கவனம் செலுத்துங்கள்.
  • குறியாக்கம் (encryption) மற்றும் அணுகல் கட்டுப்பாடுகள் போன்ற வலுவான பாதுகாப்பைச் செயல்படுத்தவும்.
  • பிழைகள் அல்லது சமநிலையின்மையைக் கண்டறிய வழக்கமான தணிக்கைகளைச் செய்யவும்.

இந்தத் தொழில்நுட்பத்தைப் பயன்படுத்தும் துறைகள்:

  • வங்கித் துறை: மோசடி தடுப்பு மற்றும் அடையாளச் சரிபார்ப்பிற்காக.
  • சுகாதாரத் துறை: நோயாளிகளின் அடையாளங்களைச் சரிபார்க்கவும் பதிவுகளை நிர்வகிக்கவும்.
  • சில்லறை வணிகம்: இழப்புத் தடுப்பு மற்றும் வாடிக்கையாளர் பகுப்பாய்விற்காக.
  • பாதுகாப்புத் துறை: கட்டிட அணுகல் மற்றும் ஊழியர் அங்கீகாரத்திற்காக.

உங்கள் தரவு எவ்வளவு சிறப்பாக இருக்கிறதோ, அவ்வளவு சிறப்பாக உங்கள் AI இருக்கும். நம்பகமான தீர்வுகளை உருவாக்க உயர்தரத் தரவுத்தொகுப்புகளில் முதலீடு செய்யுங்கள்.

ஆதாரம்: https://dev.to/vanessa_jaminson_5e5c2a93/ai-image-data-collection-for-facial-recognition-systems-3o23

விருப்பமான கற்றல் சமூகம்: https://t.me/GyaanSetuAi