RPN과 R-CNN의 손실 정의하기
RPN과 R-CNN 구성 요소를 모두 활용하는 객체 탐지 모델을 학습하려고 해요. 모델을 학습하려면 각 구성 요소에 대한 손실 함수를 정의해야 해요.
RPN 구성 요소는 영역에 객체가 있는지를 분류하고, 제안된 영역의 바운딩 박스 좌표를 예측한다는 것을 기억하세요. R-CNN 구성 요소는 객체를 여러 클래스 중 하나로 분류하는 동시에 최종 바운딩 박스 좌표도 예측해요.
torch, torch.nn as nn이(가) 이미 임포트되어 있어요.
이 연습은 강의의 일부입니다
PyTorch로 배우는 이미지 딥러닝
연습 안내
- RPN 분류 손실 함수를 정의하고
rpn_cls_criterion에 할당하세요. - RPN 회귀 손실 함수를 정의하고
rpn_reg_criterion에 할당하세요. - R-CNN 분류 손실 함수를 정의하고
rcnn_cls_criterion에 할당하세요. - R-CNN 회귀 손실 함수를 정의하고
rcnn_reg_criterion에 할당하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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 = ____