我正在研究使用面部识别来识别人员的解决方案，并且我对使用 Microsoft 的 Face API 很感兴趣。
我注意到，在添加新人时，需要再次训练模型才能识别这些人。
对于我们的应用程序，至关重要的是，在进行训练的同时，模型继续解析识别请求，以便服务不间断地运行。
在训练新模型的同时，旧模型将继续响应识别请求似乎是有道理的，但我不确定这个假设是否正确。
如果了解 API 的人能告知是否是这种情况，或者是否有另一种方法来确保持续解决识别请求，我将不胜感激。我曾考虑使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，并且似乎是一种低效的方法。
从上一个答案中的相同文档链接：
在训练期间，如果之前进行了成功的训练，仍然可以进行识别和查找类似操作。但是，缺点是新添加的人/人脸不会出现在结果中，直到完成新的帖子迁移到大规模训练。
我的理解是，这将适用LargePersonGroups（因此“迁移到大规模培训”），但不清楚是否适用于 legacy PersonGroups。
我尝试使用人脸 API 对我的项目进行一些操作，但人脸的集合太小，而且训练速度太快而无法检查。我认为它没有阻止以前的版本，但不能保证。
无论如何，您将对解决训练延迟问题的文档的以下部分感兴趣：https ://docs.microsoft.com/en-us/azure/cognitive-services/face/face-api-how-to-主题/如何使用大规模#buffer
它显示了如何通过使用“缓冲区”组来避免所描述的问题