TRAINING DATA
Web Camera Face Liveness Detection
Датасет видео атак Liveness Detection, снятых на веб-камеру
КЕЙС
Liveness Detection
Проверяет, взаимодействует ли система с живым человеком
Распознавание лиц
Идентификация личности человека по его лицу
Anti-Spoofing
Методы, используемые для предотвращения обмана биометрических систем
Computer Vision
Способность распознавать и анализировать изображения и видео
30 758
видео
Сбор данных производился на специально сконструированный стенд, на котором установлено 6 веб-камер
Видео снято с различными атрибутами (очки, маска, шапка, капюшон, парики и усы для мужчин)
9 типов видео
Silicone Mask - демонстрация атаки силиконовой маской
Real Video - демонстрация реального лица человека
2D mask - демонстрация атаки бумажным/картонным силуэтом
2D mask with holes for eyes - демонстрация атаки бумажной/картонной маской
A4 Photo with holes for eyes, nose and mouth - демонстрация атаки бумажным/картонным фото А4 c вырезанными глазами, носом и ртом
Monitor Replay Attack - демонстрация атаки с монитора
A4 Photo Attack - демонстрация атаки бумажным/картонным фото А4
2D mask with holes for eyes, nose and mouth - демонстрация атаки бумажной/картонной маской с вырезанными носом и ртом
Pad Replay Attack - демонстрация атаки с планшета
НАМ ДОВЕРЯЮТ
14 687
видео женщины
6 101
видео мужчины
СТАТИСТИКА
Типы видео
Гендерное распределение людей
Область применения датасета
Биометрическая идентификация:
Компьютерное зрение для систем биометрической идентификации, которые определяют, является ли лицо на видеозаписи реальным человеком или результатом replay атаки
/01
Обучение роботов:
Компьютерное зрение для улучшения алгоритмов распознавания и классификации людей на основе видеозаписей
/03
Разработка и тестирование алгоритмов компьютерного зрения:
Кибербезопасность:
Данные в датасете для оценки точности и эффективности различных алгоритмов компьютерного зрения в распознавании и обработке видеозаписей с реальными людьми
Компьютерное зрение для обнаружения replay атак и разработки мер по их предотвращению
/04
/02
НА ИТОГОВУЮ СТОИМОСТЬ ПРОЕКТА ВЛИЯЮТ:
Объем работ
Сложность разметки
Сроки
Качество разметки
Гарантия качества наших данных 95%. При заказе разметки с качеством выше 95% мы предлагаем enterprise решения

Нет времени на проект?

Мы можем предложить Вам готовые датасеты по биометрии, медицине и по еще 10 направлениям!
Тимлиды проектов
Команда
Артур Казукевич
Python-developer
Дарья Юркевич
Антон Целуйко
Quality Control Manager
Operations manager
Сотрудничество
с Training Data -
это
Команда экспертов:
Гибкий подход:
Ожидания и гарантии:
Безопасность:
Согласование инструментов и метрик под каждый проект
Оптимизация затрат и времени 
Контроль качества, согласно договору
Предоставление отчетности на каждом этапе
Подписание NDA
Полный пакет закрывающих документов
Работа на сервере заказчика по запросу
Передача данных через защищенные хранилища
35 опытных-менеджеров проектов
100% постоплата
Персональный менеджер
24/7 поддержка проекта
Enterprise тарифы для поточных проектов
6 лет в разметке данных
40+ языков
100+ стран
1500+ внутренних асессоров
ВАМ Понравится
Привет! Я — Роман Куцев, дата-инженер в компании Neatsy. Мы с командой разрабатываем приложение, с помощью которого можно с первого раза заказать в интернете комфортную обувь.

Сегментация данных — это процесс разделения предоставленных данных на группы (сегменты), основанные на заданных критериях, чтобы улучшить точность и эффективность модели.
Быстрое создание высококачественной разметки данных — сложная задача.

Как написать удобный интерфейс, обучить толокеров правильно сегментировать изображения, автоматизировать проверку и получить хорошее качество с минимальной стоимостью.