我被指派寻找在应用程序中创建面部识别功能的最佳方法，该功能将使用机器学习来帮助员工打卡。该功能将支持…

• 每台设备支持多个用户。

• 持续训练（当模型识别出某人时，会将新图像发送到后端，并使用这些新近拍摄的图像来训练模型）

• 更新新类别（当新用户加入并希望使用应用程序时，应用程序会为他们拍照，将这些图像发送到后端的模型训练程序，该程序将训练模型以识别新用户）

  • 将更新后的模型发送到同一商店的其他设备，以便它们也能识别员工

我尝试过的方法。

• 我尝试过设备上的训练和Knn。但据我所知，设备上的训练不适用于此，因为设备上的训练模型最多只能有10个类别，而knn的准确性…完全不够

• 使用createML进行手动训练和重新训练。这是我…

  1. 在我的Mac上用createML训练一个模型
  2. 通过URLSession将模型下载到应用程序
  3. 在应用程序中添加新用户或更新旧用户的照片
  4. 将新用户/更新旧用户的图像发送到我的Mac上的createML
  5. 使用我拍摄的所有用户的所有图像创建一个全新的模型
  6. 永远重复步骤2-5

  这种方法虽然可行，但成本高昂、耗时长，而且对于应用程序最终将拥有的用户数量来说，重复操作是不可行的。

  我对机器学习仍然非常陌生，感觉自己可能走错了方向。我只是想看看是否有人知道更好的、更有效的连续学习方法，以便模型能够记住之前学到的东西，我可以使用createML只添加新类别或图像…或者有人能指出正确的方向。

回答：

看看Turi Create —— 也是来自苹果的：https://github.com/apple/turicreate

它可以完成Create ML所做的一切，但使用的是Python且可编程，因此你可以在后端自动化整个过程。如果你知道如何在CreateML中操作，你会发现Turi Create很容易上手。