Định nghĩa các hàm loss cho RPN và R-CNN
Bạn đang lên kế hoạch huấn luyện một mô hình phát hiện đối tượng sử dụng cả hai thành phần RPN và R-CNN. Để có thể huấn luyện, bạn cần định nghĩa hàm loss cho từng thành phần.
Bạn nhớ rằng thành phần RPN phân loại xem một vùng có chứa đối tượng hay không và dự đoán tọa độ hộp giới hạn cho các vùng được đề xuất. Thành phần R-CNN phân loại đối tượng vào một trong nhiều lớp đồng thời dự đoán tọa độ hộp giới hạn cuối cùng.
torch, torch.nn dưới bí danh nn đã được import.
Bài tập này là một phần của khóa học
Deep Learning cho Ảnh với PyTorch
Hướng dẫn bài tập
- Định nghĩa hàm loss phân loại cho RPN và gán vào
rpn_cls_criterion. - Định nghĩa hàm loss hồi quy cho RPN và gán vào
rpn_reg_criterion. - Định nghĩa hàm loss phân loại cho R-CNN và gán vào
rcnn_cls_criterion. - Định nghĩa hàm loss hồi quy cho R-CNN và gán vào
rcnn_reg_criterion.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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 = ____