Backbone de modèle préentraîné

C'est le moment de bâtir une architecture R-CNN ! Vous utiliserez le backbone du modèle préentraîné vgg16 pour l'extraction de caractéristiques. N'oubliez pas aussi d'enregistrer la forme de sortie du backbone, qui servira de forme d'entrée pour les blocs suivants : le classificateur et le régleur de boîtes (box regressor).

torch, torchvision, torch.nn sous nn ont été importés. Le modèle a été importé sous vgg16 avec les poids stockés dans VGG16_Weights.

Cette activité fait partie du cours

Deep Learning pour les images avec PyTorch

Voir le cours

Instructions de l’exercice

Chargez les poids VGG16 préentraînés.
Extrayez in_features de la première couche du classifier en utilisant .children() comme bloc séquentiel et enregistrez-le sous input_dim.
Créez un backbone comme bloc séquentiel à partir de features et .children().
Affichez le modèle du backbone.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Load pretrained weights
vgg_model = vgg16(weights=____)

# Extract the input dimension
input_dim = nn.Sequential(*list(vgg_model.classifier.____()))[0].____

# Create a backbone with convolutional layers
backbone = nn.Sequential(*list(____))

# Print the backbone model
____

Modifier et exécuter le code