Definiowanie funkcji straty dla RPN i R-CNN
Planujesz wytrenować model detekcji obiektów, który wykorzystuje zarówno komponent RPN, jak i R-CNN. Aby to zrobić, musisz zdefiniować funkcję straty dla każdego z tych komponentów.
Pamiętaj, że komponent RPN klasyfikuje, czy dany region zawiera obiekt, i przewiduje współrzędne ramek ograniczających dla proponowanych regionów. Komponent R-CNN klasyfikuje obiekt do jednej z wielu klas i jednocześnie przewiduje ostateczne współrzędne ramek ograniczających.
Zaimportowano torch oraz torch.nn jako nn.
To ćwiczenie jest częścią kursu
Głębokie uczenie dla obrazów z PyTorch
Instrukcje do ćwiczenia
- Zdefiniuj funkcję straty klasyfikacji RPN i przypisz ją do
rpn_cls_criterion. - Zdefiniuj funkcję straty regresji RPN i przypisz ją do
rpn_reg_criterion. - Zdefiniuj funkcję straty klasyfikacji R-CNN i przypisz ją do
rcnn_cls_criterion. - Zdefiniuj funkcję straty regresji R-CNN i przypisz ją do
rcnn_reg_criterion.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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 = ____