กำหนด loss สำหรับ RPN และ R-CNN
คุณกำลังวางแผนฝึกโมเดลตรวจจับวัตถุที่ใช้งานทั้งส่วนประกอบ RPN และ R-CNN ในการฝึกโมเดลนี้ จำเป็นต้องกำหนดฟังก์ชัน loss สำหรับแต่ละส่วนประกอบ
จำได้ว่าส่วนประกอบ RPN ทำหน้าที่จำแนกว่าพื้นที่นั้นมีวัตถุอยู่หรือไม่ และพยากรณ์พิกัด bounding box ของพื้นที่ที่เสนอมา ส่วนประกอบ R-CNN ทำหน้าที่จำแนกวัตถุออกเป็นหลายคลาส พร้อมกับพยากรณ์พิกัด bounding box ขั้นสุดท้าย
นำเข้า torch และ torch.nn ในชื่อ nn ไว้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Deep Learning สำหรับภาพด้วย PyTorch
คำแนะนำการฝึกหัด
- กำหนดฟังก์ชัน loss สำหรับการจำแนกประเภทของ RPN และกำหนดให้กับตัวแปร
rpn_cls_criterion - กำหนดฟังก์ชัน loss สำหรับการถดถอยของ RPN และกำหนดให้กับตัวแปร
rpn_reg_criterion - กำหนดฟังก์ชัน loss สำหรับการจำแนกประเภทของ R-CNN และกำหนดให้กับตัวแปร
rcnn_cls_criterion - กำหนดฟังก์ชัน loss สำหรับการถดถอยของ R-CNN และกำหนดให้กับตัวแปร
rcnn_reg_criterion
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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 = ____