我正在调查识别使用面部识别的人的解决方案，我对使用Microsoft的Face API感兴趣。
我注意到，在添加新人时，需要再次训练模型，然后才能识别这些人。
对于我们的应用程序，至关重要的是，在进行培训时，模型将继续解析识别请求，以便服务不间断运行。
似乎有意义的是旧模型在新模型正在训练时会继续响应识别请求，但我不确定这个假设是否正确。
如果知道API的人可以建议是否是这种情况，或者如果有另一种方法来确保持续解决身份确认请求，我将不胜感激。我曾想过用所有新图像创建一个全新的人组，但这涉及复制大量数据，这似乎是一种低效的方法。
答案 0 :(得分：0)
我尝试使用面部API对我的项目进行一些操作但是面部集合太小而且训练太快而无法检查。我认为它并没有阻止以前的版本，但无法保证。
无论如何，您将对以下有关培训延迟问题的文档感兴趣：https://docs.microsoft.com/en-us/azure/cognitive-services/face/face-api-how-to-topics/how-to-use-large-scale#buffer
它显示了如何通过使用“缓冲区”组来避免您描述的问题
答案 1 :(得分：0)
来自上一个答案中的相同文档链接：
在培训期间，如果之前进行过成功的培训，仍然可以执行Identification和FindSimilar。但是，缺点是，新的职位迁移完成后，新添加的人员/面孔将不会出现在结果中。
我的理解是，这将适用于LargePersonGroups（因此称为“迁移到大规模培训后”），但尚不清楚是否适用于旧版PersonGroups。