模型已经过训练，它可以可靠地识别出小图片中的狗和猫，如下所示:
所有这些图片几乎总是以猫/狗为中心，而猫/狗几乎占据了整个图像框架。几乎没有任何额外的周围环境，这使得网络能够非常有效地训练。
下一步是，如何确保同一个模型能够有效地告诉我们，下图中恰好有一只猫，与训练模型时使用的猫类似，但周围的环境更广阔？
当模型应该在生产中使用且图像显示比训练更广泛的上下文时，是否需要采取一些具体步骤？或者模型能够自动检测到它吗？
最佳答案
它的有效性按递减顺序排列，您可以采取的步骤是:
使用更多训练数据，图像具有更大的边框。
可以通过随机或镜像填充来增强现有的训练图像的边框。
尝试在推理过程中裁剪掉边框，创建多个具有不同边框的图像。选择结果最好的运行。
关于python - 使用经过训练的神经网络来显示更广泛的周围环境的图像，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/60167258/