Faster R-CNN 模型

你的下一個任務是建立一個 Faster R-CNN 模型，能在影像中偵測不同大小的物件。為了完成這個任務，你會使用 torchvision.ops 提供的方便類別 MultiScaleRoIAlign()。

FasterRCNN 類別已從 torchvision.models.detection 匯入。上個練習建立的 anchor_generator 已在你的工作環境中可用，且已匯入 torch、torch.nn 作為 nn，以及 torchvision。

本練習屬於課程

使用 PyTorch 進行影像深度學習

檢視課程

練習說明

從 torchvision.ops 匯入 MultiScaleRoIAlign。
使用 MultiScaleRoIAlign 具現化 RoI 池化器，featmap_names 設為 ["0"]，output_size 設為 7，sampling_ratio 設為 2。
建立 Faster R-CNN 模型，並傳入 backbone、用於二元分類的 num_class、anchor_generator，以及 roi_pooler。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# 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=____,
)

編輯並執行程式碼