शुरू करेंमुफ़्त में शुरू करें

Faster R-CNN मॉडल

आपका अगला कार्य एक Faster R-CNN मॉडल बनाना है जो किसी इमेज में अलग-अलग आकार की वस्तुओं (objects) का पता लगा सके। इसके लिए आप torchvision.ops की सुविधाजनक क्लास MultiScaleRoIAlign() का उपयोग करेंगे।

FasterRCNN क्लास torchvision.models.detection से इम्पोर्ट की गई है। पिछले अभ्यास का आपका anchor_generator आपके वर्कस्पेस में उपलब्ध है और torch, torch.nn को nn नाम से, तथा torchvision इम्पोर्ट किए जा चुके हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

PyTorch के साथ इमेज के लिए डीप लर्निंग

पाठ्यक्रम देखें

अभ्यास निर्देश

  • torchvision.ops से MultiScaleRoIAlign इम्पोर्ट करें।
  • MultiScaleRoIAlign का उपयोग करके RoI पूलर इंस्टैंशिएट करें, जहाँ featmap_names ["0"], output_size 7, और sampling_ratio 2 हो।
  • backbone, बाइनरी क्लासिफिकेशन के लिए num_class, anchor_generator, और roi_pooler पास करके Faster R-CNN मॉडल बनाएँ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import MultiScaleRoIAlign
____

# Instantiate RoI pooler
roi_pooler = ____(
	____,
	____,
	____,
)

mobilenet = torchvision.models.mobilenet_v2(weights="DEFAULT")
backbone = nn.Sequential(*list(mobilenet.features.children()))
backbone.out_channels = 1280

# Create Faster R-CNN model
model = ____(
	backbone=____
	num_classes=____,
	anchor_generator=____,
	box_roi_pool=____,
)
कोड संपादित करें और चलाएँ