我的目标是开发一个可以支持多个用户的应用程序。每个用户账户都必须通过应用程序的人脸识别来确保安全。我知道我可能对TensorFlow的概念理解不够透彻，但安卓上是否有方法可以训练应用程序识别某人的面孔，从而确定这是哪个用户？我认为我们必须事先创建一个训练模型并将其应用到应用程序中，但就我的目标而言，应用程序需要动态地训练以识别其用户。提前感谢您的帮助。
回答：
我不确定这是否是正确的方法。我知道可以通过特征脸来实现，但我从未尝试过，所以您可能也想考虑这一点。
回到您的想法。我不知道成功的几率有多大，但碰巧我知道一些地方，您会遇到很多挑战：
- 数据集。对于您想要识别的每张脸，您需要从不同角度拍摄大量的图片，并且这些图片尽可能多样化（戴眼镜、不同发型、有胡子、化妆、不同光照条件等）。如果您未能提供详细的数据集，可能会发生两件事：要么应该被识别的脸没有被识别，要么不应该被识别的脸最终被识别了。创建这样的数据集是困难的，因为在最好的情况下，您只能获得注册面孔的用户的几张照片。我认为利用这些照片，您可以尝试生成不同条件下的新照片，但这在移动设备上无法完成。
- 假设您有了一个不错的数据集，现在您需要训练网络。这里您有两个选择：从头开始构建您的模型（这不是一个好主意）或者使用Google提供的模型并仅重新训练网络的最后一层。据我所知，
TensorFlow没有在移动设备上进行训练的选项（这对系统来说成本太高），所以您需要在其他地方训练模型，然后将其下载到设备上。TensorFlow有一个名为MobileNet的模型，专门设计用于移动设备，是您网络的一个良好起点，具有良好的准确性且不占用太多系统资源。您也可以尝试使用Inception，但这个模型专为准确性设计，训练时间更长，并且在评估图像时消耗更多时间和资源。
您的应用程序的最终场景是这样的：用户通过拍摄几张照片来注册其面孔，这些照片被发送到您的服务器。然后，每次添加新面孔时，您都需要重新训练网络并将模型下载到您的应用程序中。从这里开始，事情就简单了，拍摄用户的照片并希望其面孔能被正确处理。
您可能想查看一些关于TensorFlow的代码实验室，这些实验室教您如何训练模型并在Android上运行它。
