Modelul Faster R-CNN

Următoarea ta sarcină este să construiești un model Faster R-CNN capabil să detecteze obiecte de diferite dimensiuni într-o imagine. Pentru aceasta, vei folosi clasa MultiScaleRoIAlign() din torchvision.ops.

Clasa FasterRCNN a fost importată din torchvision.models.detection. anchor_generator-ul din exercițiul anterior este disponibil în spațiul tău de lucru, iar torch, torch.nn ca nn și torchvision au fost deja importate.

Acest exercițiu face parte din cursul

Deep Learning pentru imagini cu PyTorch

Vezi cursul

Instrucțiuni pentru exercițiu

Importă MultiScaleRoIAlign din torchvision.ops.
Instanțiază RoI pooler-ul folosind MultiScaleRoIAlign cu featmap_names setat la ["0"], output_size la 7 și sampling_ratio la 2.
Creează modelul Faster R-CNN pasându-i backbone, num_class pentru o clasificare binară, anchor_generator și roi_pooler.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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=____,
)

Editează și rulează codul