swift - iOS人脸识别持续学习

Question

我的任务是找到在具有机器学习的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打卡进入应用程序。该功能将支持...

• 每个设备有多个用户。

• 持续训练(因此，当 mlmodel 识别出某人时，它会将新图像发送到后端模型，并使用最近拍摄的新图像训练模型)

• 更新新类(当新用户出现并想要使用该应用程序时，该应用程序将为他们拍照，将这些图像发送到后端的模型训练程序，该程序将训练 mlmodel识别新用户)

  • 将新更新的模型发送到同一商店中的其他设备，以便它们也能识别员工

我已经尝试过了。

• 我对设备上的训练和 Knn 进行了修改。但据我了解，设备上训练对此不起作用，因为设备上训练模型最多只能有 10 个类别，并且 knn 根本无法给出非常准确的结果......

• 使用 createML 进行手动训练和重新训练。这时候我...

  1. 在我的 Mac 上使用 createML 训练模型
  2. 使用 URLSession 将模型下载到应用
  3. 使用应用添加新用户或拍摄老用户的更新照片
  4. 将新用户/更新的旧用户的图像发送到我的 Mac 上的 createML
  5. 使用我为所有用户拍摄的所有图像创建一个全新模型
  6. 永远重复步骤 2-5

  这工作得很好，但成本高得令人难以置信，耗时，而且对于应用程序最终拥有的用户数量来说，一遍又一遍地这样做是不可行的。

  我对机器学习还很陌生，我觉得我的处理方式是错误的。我只是想看看是否有人知道更好/更有效的持续学习方法，以便模型会记住之前学到的内容，我可以使用 createML 添加新的类或图像...或者是否有人可以指出我方向正确。

Answer 1

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，但采用 Python 语言且可编程，因此您可以在后端自动化整个过程。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。