iOS 人脸识别持续学习

iOS Facial Recognition Continuous Learning

我的任务是找到使用 machine 学习在应用程序上创建面部识别功能的最佳方法。此功能将用于为员工计时进入应用程序。该功能将支持...

我试过的。

要获得准确的结果,您应该研究更强大的机器学习模型。这是一个非常强大的人脸识别模型的示例: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个新模型集成。这完全取决于您,但我建议您检查一些后端替代方案,例如利用 AWS 服务(EC2 计算服务器、Sagemaker、API 网关等)运行 并协调推理。这样做的几个好处是您的应用程序将主要是前端,从而使其轻便,并且还可以跨不同和较旧的 IOS 平台和设备进行扩展。但更重要的是,它为您提供了额外的支持 space 来在未来做更复杂的事情,而使用 CoreML 时您将主要受限于设备上的计算能力以及基于 swift 的语言.

但是,利用云服务还会带来其他缺点,例如学习曲线(学习 AWS 服务)和潜在的隐私问题。

这只是其中一种方式,还有许多其他类似的云提供商,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,剩下的选择由你决定

看看 Turi Create——同样来自 Apple:https://github.com/apple/turicreate

它可以完成 Create ML 所做的一切,但它处于 python 并且可编程,因此您可以在后端自动执行整个过程。如果您知道如何在 CreateML 中执行此操作,您会发现 Turi Create 很容易上手。