Mô hình Faster R-CNN

Nhiệm vụ tiếp theo của bạn là xây dựng một mô hình Faster R-CNN có thể phát hiện các đối tượng với nhiều kích thước khác nhau trong một ảnh. Cho nhiệm vụ này, bạn sẽ dùng lớp tiện dụng MultiScaleRoIAlign() từ torchvision.ops.

Lớp FasterRCNN đã được nhập từ torchvision.models.detection. anchor_generator từ bài trước có sẵn trong không gian làm việc của bạn và torch, torch.nn dưới tên nn, cùng torchvision đã được nhập.

Bài tập này là một phần của khóa học

Deep Learning cho Ảnh với PyTorch

Xem khóa học

Hướng dẫn bài tập

Nhập MultiScaleRoIAlign từ torchvision.ops.
Khởi tạo RoI pooler bằng MultiScaleRoIAlign với featmap_names đặt là ["0"], output_size là 7, và sampling_ratio là 2.
Tạo mô hình Faster R-CNN, truyền vào backbone, num_class cho bài toán phân loại nhị phân, anchor_generator, và roi_pooler.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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=____,
)

Chỉnh sửa và Chạy Mã