Deep learning Caffe培训使用面部裁剪，但部署使用完整图像

我正在实施，它运行良好。现在我想知道，训练阶段怎么可能只使用图像的人脸裁剪，而实际使用时可以接受多人的完整图像。

模型经过训练，可以在图像中找到人脸。 使用面部修剪进行训练可以使训练更快地收敛，因为它不会经过反复试验来识别——然后学会忽略——输入图像中的其他结构。模型拓扑的全部容量可用于面部特征

当你开始评分（“实际使用”，又称推理）时，模型没有针对每张照片中的所有其他内容进行训练。它接受过寻找面孔的训练，而且会做得很好

---

这能很好地解释它吗？

模型经过训练，可以在图像中找到一张脸。 使用面部修剪进行训练可以使训练更快地收敛，因为它不会经过反复试验来识别——然后学会忽略——输入图像中的其他结构。模型拓扑的全部容量可用于面部特征

当你开始评分（“实际使用”，又称推理）时，模型没有针对每张照片中的所有其他内容进行训练。它接受过寻找面孔的训练，而且会做得很好

---

这解释得够好吗？

确实如此。我不知道这是种植的原因（知道种植更好，但不是因为那个原因）这不是唯一的原因，但它是影响这个问题的原因。对我来说，主要原因仅仅是为了减少输入量和加快数据处理速度。事实上确实如此。我不知道这是种植的原因（知道种植更好，但不是因为那个原因）这不是唯一的原因，但它是影响这个问题的原因。对我来说，主要原因只是为了减少输入大小和加快数据处理。