苹果在今天夏天发布的《机器学习杂志》博客上发布了一篇新帖子。最新一篇名为《人脸检测设备上的深度神经网络》的博文，致力于利用苹果定制的CPU和GPU的功能，详细描述照片中人脸识别的资源密集型过程。

苹果承认，其对用户隐私的坚定承诺使其无法将云功能用于计算机视觉计算。此外，发送到iCloud照片库的每一张照片和视频在发送到iCloud之前都会在设备上加密，并且只能由注册在iCloud帐户中的设备解密。

他们在iPhone上运行深度学习算法时面临的一些挑战：

深度学习模型需要作为操作系统的一部分提供，这占用了宝贵的NAND存储空间。它们还需要加载到内存中，并且需要大量的计算时间。与基于云的服务(其资源只能专用于视觉问题)不同，设备上的计算必须在与其他正在运行的应用程序共享这些系统资源的同时执行。

最重要的是，计算必须足够高效，以便在相对较短的时间内处理大型照片库，而不会显著降低功耗或增加热量。

为了克服这些挑战，苹果使用BNNS和Metal解锁并充分利用其内置GPU和CPU的功能。升级到主要的新iOS版本后，您实际上可以在设备上进行这种人脸检测。

这通常会提示iOS重新扫描整个照片库，并从头开始对所有照片运行人脸检测算法，这可能会导致设备过热或变慢，直到照片扫描完照片库。

苹果开始在iOS 10中使用深度学习进行人脸检测。

随着iOS 11中新的视觉框架的发布，开发人员现在可以在他们的应用程序中使用这项技术和许多其他计算机视觉算法。

苹果指出，在开发视觉框架以保护用户隐私并允许其在设备上高效运行时，它面临着“重大挑战”。