RPN ve R-CNN için loss'ları tanımla
Hem RPN hem de R-CNN bileşenlerini kullanan bir nesne tespiti modeli eğitmeyi planlıyorsun. Modeli eğitebilmek için her bileşen için birer loss fonksiyonu tanımlaman gerekiyor.
RPN bileşeninin, bir bölgenin nesne içerip içermediğini sınıflandırdığını ve önerilen bölgeler için sınırlayıcı kutu (bounding box) koordinatlarını tahmin ettiğini hatırlıyorsun. R-CNN bileşeni ise nesneyi birden çok sınıftan birine sınıflandırırken aynı zamanda nihai bounding box koordinatlarını da tahmin eder.
torch, torch.nn nn olarak içe aktarılmıştır.
Bu egzersiz
PyTorch ile Görüntüler için Deep Learning
kursunun bir parçasıdırEgzersiz talimatları
- RPN sınıflandırma loss fonksiyonunu tanımla ve
rpn_cls_criteriondeğişkenine ata. - RPN regresyon loss fonksiyonunu tanımla ve
rpn_reg_criteriondeğişkenine ata. - R-CNN sınıflandırma loss fonksiyonunu tanımla ve
rcnn_cls_criteriondeğişkenine ata. - R-CNN regresyon loss fonksiyonunu tanımla ve
rcnn_reg_criteriondeğişkenine ata.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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 = ____