# ANIP-Reconnaissance Faciale - Estimation Age & OCR — Data

来源：https://www.kaggle.com/competitions/anip-reconnaissance-faciale-estimation-ages-ocr/data

采集时间：2026-10-24T22:36:42Z

##a) Tâche 1 : Reconnaissance faciale robuste
Données disponibles :

   - Entraînement : 4 000 images correspondant à 2 000 individus.
      - Chaque personne possède deux photos, nommées selon la convention : XXXX_0 et XXXX_1
         - XXXX : identifiant de la personne
         - 0 et 1 : les deux clichés pris à des périodes différentes.

   - Test : 2 000 images dont la nomenclature ne suit pas le format ci-dessus.
      - Il reviendra à l’IA de réaliser les appariements pertinents (matching).

##b) Tâche 2 : Estimation de l’âge à partir d’une photo
Données disponibles :

   - Entraînement : plus de 40 000 images.
      - Les noms des fichiers suivent la convention : XXXXXX_YZWW où :
         - XXXXXX : identifiant de la personne 
         - Y : numéro de la photo pour une même personne (à partir de 0)
         - Z : sexe (M ou F)
         - WW : âge de la personne.
   - Test : 200 images numérotées de 0 à 199. 
      - L’IA devra prédire l’âge de la personne pour chacune de ces images.

##c) Tâche 3 : OCR et détection de fraude sur documents d’identité
Données disponibles :

   - Entraînement : plus de 10 000 images provenant de quatre pays :
      - Carte d’identité : Espagne, Estonie
      - Passeport : Russie
      - Permis de conduire : Arizona (États-Unis)
   - Chaque pays dispose de 6 sous-dossiers :
      - normal : images originales
      - gt : fichiers .json décrivant les champs de texte correspondants aux images du dossier normal
      - forgery_1 à forgery_4 : versions falsifiées des documents
   - Test : 200 images réparties équitablement entre les quatre pays.
      - L’IA devra :
         - extraire les zones de texte conformément à la structure définie dans les fichiers .json 
         - produire un fichier .csv précisant, pour chaque image, la classe correspondante (normal, forgery_1…forgery_4).