Проект направлен на создание высокоточной модели компьютерного зрения, устойчивой к вариативным факторам внешней среды. В отличие от стандартных датасетов, наша обучающая выборка формируется в условиях контролируемого, но динамического изменения внешних признаков объекта.
Механика сбора данных:
Испытуемый фиксируется в статическом положении (сидя на стуле) перед калиброванной камерой. В процессе сессии оператор циклично изменяет следующие параметры:
Атрибуты: головные уборы, оптические аксессуары (очки), элементы верхней одежды (шарфы), парики различной фактуры и цвета.
Фон: смена цветовой гаммы и текстуры заднего плана (хромакей, городской паттерн, природные тона) для тренировки инвариантности сети к окружению.
Целевая выборка:
Ключевым требованием является этническое разнообразие респондентов. В исследовании принимают участие представители трех расовых групп: африканской, азиатской и латиноамериканской. Это необходимо для устранения систематической ошибки (bias) в алгоритмах распознавания, характерной для «западных» датасетов, и обеспечения равной точности идентификации для всех демографических групп.