iOS人脸识别连续学习

Question

我的任务是找到最好的方法来创建一个面部识别功能的应用程序与机器学习。这一功能将用于将员工时钟输入应用程序。这个功能会支持..。

每次device.

• continuous培训
• 多个用户(因此当on模型识别某人时，它将向后端的模型发送新图像，并使用新的images)
• updates新类对模型进行培训(当新用户出现并希望使用该应用时，应用程序将拍摄他们的照片，将这些图像发送到后端的模型培训程序，以训练mlmodel识别新用户)

。

- sends the newly updated models to other devices in the same store so they will recognize the employees as well

​

我试过的东西。

• ，我已经对设备上的训练和Knn进行了修补。但据我所知，在设备上的培训不适用于此，因为设备上的培训模型只能有10个课程，而且knn没有给出非常准确的results...at all
• 手动培训和createML的再培训。这是我.

1. train a model with createML on my mac
2. download the model to the app with URLSession
3. add a new user with the app or take updated pictures of old users
4. send the images of the new user/updated old user to createML on my mac
5. create a whole new model with all the images I've ever taken of all the users
6. repeat steps 2-5 forever

这是很好的工作，但是令人难以置信的昂贵，耗时，和不可能的最终用户的数量，应用程序将一遍又一遍。

我对机器学习还是很陌生的，我觉得我走错路了。我只想看看是否有人知道一种更好/更有效的持续学习方法，这样模型就会记住以前学到的东西，我可以用createML向它添加新的类或图像。或者有人能给我指明正确的方向。

Answer 1

看看Turi -也来自苹果：https://github.com/apple/turicreate

它可以完成创建ML所做的一切，但是是用python和可编程的，所以您可以在后端自动完成整个过程。如果你知道如何在CreateML中做这件事，你会发现Turi很容易捡到。

Answer 2

要获得准确的结果，您应该研究更强大的机器学习模型。下面是一个非常强大的人脸识别模型的例子：https://github.com/davidsandberg/facenet。

现在，下一个问题是，您将如何将您的应用程序与这一新模式。这确实取决于您，但我建议您检查一些后端替代方案，比如利用alternatives (EC2计算服务器、Sagemaker、API等)来运行和协调推理。这样做的几个好处是，你的应用程序主要是前端，从而使其轻巧，并在不同的和旧的IOS平台和设备之间进行扩展。但更重要的是，它给了你额外的空间去做更复杂的事情，在使用CoreML时，你将主要局限于设备上的计算能力和基于快速的语言。

然而，利用云服务还会附带其他缺点，比如学习曲线(学习AWS服务)和潜在的隐私问题。

这只是其中之一，还有许多类似的云提供商，比如Google、IBM和Azure。在不知道你的时间表、预算、技术专长的情况下，我只能给你这些选择，其余的选择都是你自己做的。