Модель Faster R-CNN

Ваше наступне завдання — зібрати модель Faster R-CNN, яка зможе знаходити об'єкти різних розмірів на зображенні. Для цього скористайтеся зручною класою MultiScaleRoIAlign() з torchvision.ops.

Клас FasterRCNN імпортовано з torchvision.models.detection. Ваш anchor_generator з попередньої вправи доступний у робочому середовищі, а також імпортовано torch, torch.nn як nn і torchvision.

Ця вправа є частиною курсу

Глибоке навчання для зображень із PyTorch

Переглянути курс

Інструкції до вправи

Імпортуйте MultiScaleRoIAlign з torchvision.ops.
Створіть RoI-пулер за допомогою MultiScaleRoIAlign, встановивши featmap_names у ["0"], output_size — 7, а sampling_ratio — 2.
Створіть модель Faster R-CNN, передавши їй backbone, num_class для бінарної класифікації, anchor_generator і roi_pooler.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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=____,
)

Редагувати та запускати код