我有一个应用程序，我们可以对运动检测触发的图像进行收集和分类。我们有一个训练有素的模型，可以在很多图像上正常工作。我已经将其转换为TF.js格式，并且能够在浏览器中做出预测，到目前为止效果很好。
但是，我们在很多不同的地方都有摄像机，并且每个地方的照明和周围环境都不尽相同，而且我们每年还会安装新的摄像机。因此，我们将需要经常对模型进行重新训练，而且我还担心该模型将是通用的，并且在每个特定位置上都不太准确。
我们将从运动检测中收集的所有数据上传到我们的服务器，并且我们使用Web界面将所有图像分类为“假阳性，阳性等”，并将所有图像存储在MYSQL数据库中。
我认为最好的解决方案是对大量数据进行训练的通用模型。该模型将在每个特定位置上实施。当我们像平常一样手动解释每个图像时，我们将重新学习通用模型，以使其特定于每个位置。
要解决此问题，我们必须在主机上的服务器上提供模型，并且必须能够写入模型，因为我们有很多不同的人在不同的浏览器和计算机上解释数据。
是否可能并且是一个好的解决方案？在投入更多时间之前，我会喜欢一些投入。我尚未在tensorflow.js上找到关于可写模型和强化学习的大量信息
所以 我想知道是否有可能在经过数据训练的服务器上提供tensoflow.js。但是对于每一次人工解释，模型都会“重新学习”新图像。