為 RPN 與 R-CNN 定義損失函式
你打算訓練一個同時使用 RPN 與 R-CNN 元件的物件偵測模型。為了能夠進行訓練，你需要為每個元件定義損失函式。
你記得 RPN 元件會分類某個區域是否包含物件，並為提出的區域預測邊界框的座標。R-CNN 元件則會把物件歸類到多個類別之一，並同時預測最終的邊界框座標。
torch、torch.nn（縮寫為 nn）已經匯入。
本練習屬於課程
使用 PyTorch 進行影像深度學習
練習說明
- 定義 RPN 的分類損失函式，指定給
rpn_cls_criterion。 - 定義 RPN 的迴歸損失函式，指定給
rpn_reg_criterion。 - 定義 R-CNN 的分類損失函式，指定給
rcnn_cls_criterion。 - 定義 R-CNN 的迴歸損失函式，並指定給
rcnn_reg_criterion。
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。
# 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 = ____