использование Fasterrcnn для регрессии или только для нахождения ограничивающей рамки на изображении

Question

Можно ли использовать FasterRcnn в pytorch просто для нахождения ограничивающего прямоугольника без учета части классификации? И можно ли изменить потерю части классификации (категориальная перекрестная энтропия) на потерю регрессии (MSE)?

Answer 1

Для первой части вашего вопроса, пожалуйста, взгляните на строку, где ограничивающие рамки получены в демо.

https://github.com/jwyang/faster-rcnn.pytorch/blob/31ae20687b1b3486155809a57eeb376259a5f5d4/demo.py#L297

rois, cls_prob, bbox_pred, \
      rpn_loss_cls, rpn_loss_box, \
      RCNN_loss_cls, RCNN_loss_bbox, \
      rois_label = fasterRCNN(im_data, im_info, gt_boxes, num_boxes)

      scores = cls_prob.data
      boxes = rois.data[:, :, 1:5]

Для второй части, да, это возможно. Но вы должны убедиться, что потеря регрессии, например, подходит для задачи, для которой вы планируете использовать сеть.