如果同时需要在服务器及终端上都进行识别，是用一个模型还是两个？如果是两个有什么区别？如何提高识别率？

如果在一套视觉系统里，既要有终端的识别，也要有深度学习服务器端识别，可以理解它是一个分布的过程，即可能在终端上先做一些简单的检测工作，后面在服务器端做一些相对复杂的分类或分割工作，这时可能用到的模型是不一样的，它是一个分布的过程，类似于人脸识别、机器视觉，在前端做人脸检测，在后端服务器里做人脸识别。但是如果不是这种场景，而是同一个识别问题，只是把识别问题部署到不同的场景里，放在前端或放在服务器端，这个模型应该是一个。