Define las pérdidas para RPN y R-CNN.
Estás planeando entrenar un modelo de detección de objetos que utilice los componentes RPN y R-CNN. Para poder entrenarlo, tendrás que definir la función de pérdida para cada componente.
Recordás que el componente RPN clasifica si una región contiene un objeto y predice las coordenadas del cuadro delimitador para las regiones propuestas. El componente R-CNN clasifica el objeto en una de varias clases, al tiempo que predice las coordenadas finales del cuadro delimitador.
torch``torch.nn y nn han sido importados.
Este ejercicio forma parte del curso
Aprendizaje profundo para imágenes con PyTorch
Instrucciones del ejercicio
- Define la función de pérdida de clasificación RPN y asígnalas a un
rpn_cls_criterion. - Define la función de pérdida de regresión RPN y asígnalas
rpn_reg_criterion. - Define la función de pérdida de clasificación R-CNN y asígnalas
rcnn_cls_criterion. - Define la función de pérdida de regresión R-CNN utilizando y asígnalas a
rcnn_reg_criterion.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# 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 = ____