在實作完人臉辨識後，可以學習到在每一次的訓練都要有整理好的資料集、完善的演算法及模型架構、最後在實測看模型和演算法是否解決問題，若沒有解決就要持續改善中間的演算法及模型架構。
在資料集的部分要尋找到適合作為人臉辨識系統的資料集，有以下要點：資料集的數量要龐大、相同人的影像不只一張更好、人臉要清晰若為正臉更佳，最重要的是需要用偵測人臉的演算法，並可以偵測出影像中的人臉，在即時偵測時也需要將測試者偵測出人臉來。
演算法使用人臉演算法常見的Resnet18來實作，因使用的模型較深，所以在學習率上調比較小，才不會讓模型學習影像時overfitting，還可以嘗試一些模型來實做看看。這部分要多多嘗試才可以找到一個較佳的模型參數。
最後在實測時，希望預測人臉的時候時間要短，才不會在預測時所需要預測的時間過久，而讓使用者感覺不出即時，最重要的要檢驗訓練完的模型是否可以準確的檢驗出人，並可以精準的分辨測試者是否可以進入系統當中，需要有一些後處理，這些也不能讓系統變慢太多。
iThome鐵人賽
看影片追技術