使用Azure Face API從本地存儲中的面孔列表中找到匹配的面孔

Question

我正在從Azure頁面閱讀文檔和API，但仍不確定在這里是否正確。

腳本

我們的本地存儲中大約有100萬張ID照片。 每個ID僅包含一個人。

我們希望在拍攝證件照片時實施基本驗證。.然后，小型應用程序將使用Azure Face API來瀏覽我們擁有的1M證件照片，並返回匹配的照片，或者如果我們有相同的人，則返回是否存儲ID。

為此，我相信我們需要編寫軟件來完成以下操作

1. 將所有照片上傳到Azure
2. 創建大型FaceList？
3. 訓練模型
4. 然后我們就可以進行人臉識別或相似

以上步驟正確嗎？

如果我使用上述方法，那意味着我需要使用“面部存儲”來保存面部ID，對嗎？

1.有沒有辦法避免臉部存儲成本呢？ 保留1M圖像會花費很多

2. 當我確認要計算多少筆交易時？ 算作1嗎？

我也在考慮使用Container Cognitive，以便它可以在本地運行，而在本地使用存儲。

那會幫助我節省面部存儲成本嗎？ 當我運行容器時，不需要支付存儲費用。 我只需要支付檢測，驗證等交易費用。

我歡迎在該領域中任何新的評論，請指導我。

Answer 1

您的工作流程總體正確：

• 創建一個大人物組
• 將每個照片ID作為個人添加到帶有面部的組中（這是兩個API調用：創建個人+添加個人面部）
• 培訓人員組（並會不時檢查培訓狀態，因為時間會很長）
• 使用識別進行搜索

您唯一應該考慮的是大型人員小組的體系結構。 當您需要添加/刪除/更新組時，為100萬人員使用單個整體式LPG將是一個殺手。 每次更改的培訓時間將非常長。 一種策略（用於添加新人）是添加“事務” LPG-一個較小的LPG，其中包括所有每小時，每天/每周（無論您的工作方式）的添加，以便您可以快速培訓變更。 您將在“主要”和“交易” LPG上都進行搜索（識別），然后一次將事務“提交”到主要LPG中。 請參閱Face API文檔中的此處

對您的其他問題：

• 無法避免衍生人臉數據的存儲成本
• 每個API調用都是一個事務：創建LPG，創建人員，添加人員面部，訓練，獲取訓練狀態等
• 我沒有使用認知容器功能的經驗，但我相信API調用的定價完全相同。