Definování ztrátových funkcí pro RPN a R-CNN
Chystáš se trénovat model pro detekci objektů, který využívá komponenty RPN i R-CNN. Aby bylo možné model trénovat, je třeba pro každou z těchto komponent definovat ztrátovou funkci.
Vzpomeň si, že komponenta RPN klasifikuje, zda oblast obsahuje objekt, a předpovídá souřadnice ohraničujících rámečků pro navržené oblasti. Komponenta R-CNN zařazuje objekt do jedné z více tříd a zároveň předpovídá finální souřadnice ohraničujících rámečků.
torch a torch.nn jako nn jsou již naimportovány.
Toto cvičení je součástí kurzu
Deep Learning pro obrázky s PyTorchem
Pokyny k cvičení
- Definuj ztrátovou funkci pro klasifikaci v RPN a přiřaď ji do
rpn_cls_criterion. - Definuj ztrátovou funkci pro regresi v RPN a přiřaď ji do
rpn_reg_criterion. - Definuj ztrátovou funkci pro klasifikaci v R-CNN a přiřaď ji do
rcnn_cls_criterion. - Definuj ztrátovou funkci pro regresi v R-CNN a přiřaď ji do
rcnn_reg_criterion.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Implement the RPN classification loss function
rpn_cls_criterion = ____
# Implement the RPN regression loss function
rpn_reg_criterion = ____
# Implement the R-CNN classification Loss function
rcnn_cls_criterion = ____
# Implement the R-CNN regression loss function
rcnn_reg_criterion = ____