java - 在 Spring Boot 应用程序中使用 python/tensorflow 进行人脸识别

Question

我目前正在开发用于面部识别的服务器端 Web 应用程序（使用 Spring Boot）。人脸检测应该使用 SSD 进行，人脸识别使用 ArcFace。我做了一些研究，发现这些与机器学习相关的事情最好在 Python 中完成。因此，我研究的下一阶段是找出将 Python 机器学习与 Spring Boot 应用程序一起使用的最佳方法。两种合适的（至少在我看来）方法是：

1. 使用预训练的 Tensorflow 模型（使用 tensorflow 依赖于 maven）。但是，每次将新人的脸添加到系统中时，都必须重新训练用于人脸识别的 tensorflow 模型。在 Java 中做到这一点的最好方法是什么？（我想以某种方式从 Java 运行 Python 脚本来重新训练模型）。

2. 使用将在本地主机上运行的 REST API 构建 python 应用程序。Java 只会将带有图像的命令发送到该 REST API 并获得结果（这意味着 - 假设我发送了 30 张图像以及对这些图像执行人脸识别的命令，然后得到一个识别出的人脸列表作为结果，或发送 10 张应添加到系统中的新人图片——即应用程序会学习人脸）。

您能否就这两种方法中的哪一种更好以及为什么给我一些意见？

附言。我不想用 Python 构建整个 Web 应用程序的原因是我已经有（一些）构建 Spring Boot 应用程序的经验，而对 Python 的经验却很少。

标签： javapythonspring-boottensorflowmachine-learning

Answer 1

作为一种通用方法，我建议在不同的过程中训练模型（使用 Python），一旦训练完成，使用Tensorflow Java API将其加载到 Java中（使用 Spring Boot）。

此外，如果您无法承受任何停机时间（例如，服务层可以部署在 Kubernetes 中），您可能需要一些机制来用新模型替换现有模型。