Definir losses para RPN e R-CNN
Você está planejando treinar um modelo de detecção de objetos que utiliza os componentes RPN e R-CNN. Para conseguir treiná-lo, você precisará definir a função de loss para cada componente.
Você lembra que o componente RPN classifica se uma região contém um objeto e prevê as coordenadas da caixa delimitadora (bounding box) para as regiões propostas. O componente R-CNN classifica o objeto em uma entre várias classes e também prevê as coordenadas finais da caixa delimitadora.
torch, torch.nn como nn já foram importados.
Este exercício faz parte do curso
Deep Learning para Imagens com PyTorch
Instruções do exercício
- Defina a função de loss de classificação do RPN e atribua a
rpn_cls_criterion. - Defina a função de loss de regressão do RPN e atribua a
rpn_reg_criterion. - Defina a função de loss de classificação do R-CNN e atribua a
rcnn_cls_criterion. - Defina a função de loss de regressão do R-CNN e atribua a
rcnn_reg_criterion.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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 = ____