鹏认为，基于美国国家国家标准技术研究所（NIST）的测试，它在新兴的面部面部年龄估计和验证市场中取得成功是有利的。
ROC的年龄估计和验证平台达到了NIST的所有参与供应商中最低的平均绝对错误（MAE）面部分析技术评估该公司在公告中说（命运）。 ROC在18-24岁的年龄段中特别有所改善，使用照射数据显示了2.3岁的MAE。
在NIST评估中，ROC的算法已通过150万张照片的大量数据集进行了验证。该数据集包括拍照，交叉摄像头图像以及来自100多个国家 /地区的个人的移民头像。
该公司表示，对其模型的全面培训表明，其能力能够准确估计各种人口统计学的年龄，包括各种人类的寿命，地理起源和性别。
它是由AI驱动的自动化年龄验证系统为企业提供一种通过允许合法年龄验证的客户访问年龄限制服务来提高准确性的方法。实施该系统可以通过最大程度地减少对手动监督的需求来提高成本效率，而手动监督的需求通常很耗时且容易受到人为错误的影响。
由于美国的新立法变化，对年龄估计和验证的需求预计将增加。目前，包括阿拉巴马州，阿肯色州和佛罗里达州在内的18个州已经实施了年龄验证法，以保护未成年人免于获得不适当的内容和服务。
ROC如何发展其深度学习算法
ROC也提供了信息关于他们深度学习算法的发展。他们的软件利用了各种模式的计算机视觉和生物特征分析算法，例如面部识别，指纹匹配，对象检测和车牌识别。
深度学习算法的开发涉及四个关键步骤：数据开发，算法开发，算法集成和客户支持。
该过程始于数据开发，其中涉及构建和验证培训数据。然后，该培训数据用于开发算法。通过比较不同算法的性能，对经过训练的算法进行了测试和评估，并评估了现实世界中的绝对精度和相对准确性。
在开发算法之后，下一步涉及软件集成，该软件集成将模型移植到可部署的软件库中。集成完成后，进行了广泛的测试以验证集成并确保计算机视觉模型以其集成形式的预期执行。最后，与集成商和客户建立了直接通信，以收集有关该算法在该领域的性能的反馈。
除了在Face Biometrics方面取得成功，ROC最近在评估中还获得了强大的分数潜在的指纹生物识别技术匹配由NIST今年。
