Python Pytorch Facenet MTCNN图像输出

我正在用两种方法在python中使用facenet pytorch（）开发一个人脸识别应用程序

第一种方法 代码-

在这段代码中，我从给定的图像中提取人脸，并获得用于识别人脸的512种编码

在本例中，我使用了两个不同的面，并绘制了面之间的距离

        a.jpg       b.jpg
a.jpg   0.000000    1.142466
b.jpg   1.142466    0.000000

它工作得很好

第二种方法 代码-

在这段代码中，我通常先获得面坐标，然后是嵌入的坐标。两个面之间的距离-

        a.jpg       b.jpg
a.jpg   0.000000    0.631094
b.jpg   0.631094    0.000000

在第一种方法中，我直接将图像送入mtcnn，得到了更好的结果，两个面之间的距离大于1.0。 在第二种方法中，我使用

mtcnn.detect（）

获取人脸的坐标，从给定的图像中裁剪人脸，然后馈送到resnet。此方法使两个不同面之间的距离更小

然后，我通过在输入resnet之前绘制结果（面），找到了第一种方法比第二种方法性能好的原因

在第二种方法中，我通过使用

mtcnn.detect（）

裁剪面来填充与输入图像（清晰图像）中给出的面相同的面

但是，在第一种方法中，我直接将输入输入到

mtcnn（img）

，它返回的是黑暗中人脸的张量，而不是输入图像中的张量。这个较暗的图像不是清晰的图像（眼睛周围的区域较暗，我用很多照片测试过），无法清晰地看到眼睛。这就是原因，第一种方法显示两个面之间的距离更大

我的疑问是，为什么mtcnn在黑暗中返回张量，如何解决它，在这个问题上帮助我

谢谢

 img = Image.open(image)
 boxes, probs = mtcnn.detect(img) # Gives the coordinates of the face in the given image
 face = img.crop((boxes[0][0], boxes[0][1], boxes[0][2], boxes[0][3])) # Cropping the face
 plt.figure()
 plt.imshow(face)
 pil_to_tensor = transforms.ToTensor()(face).unsqueeze_(0) # Converting to tensor type
 image_embedding = resnet(pil_to_tensor)

        a.jpg       b.jpg
a.jpg   0.000000    0.631094
b.jpg   0.631094    0.000000