Я работаю над обнаружением объектов, и у меня есть набор данных, содержащий изображения и соответствующие им ограничивающие рамки (достоверные значения).
На самом деле я создал свой собственный экстрактор функций, который принимает изображение в качестве входных данных и выводит карту функций (в основном система кодировщика-декодера, где конечный результат декодера совпадает с размером изображения и имеет 3 канала). Теперь я хочу передать эту карту функций в качестве входных данных в модель FasterRCNN для обнаружения вместо исходного изображения. Я использую следующий код для добавления карты функций (используя RTFNet для создания карты функций - код на этом ссылка) в верхней части модуля обнаружения FRCNN
frcnn_model = fasterrcnn_resnet50_fpn(pretrained=True)
in_features = frcnn_model.roi_heads.box_predictor.cls_score.in_features
frcnn_model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)
fpn_block = frcnn_model.backbone.fpn
rpn_block = frcnn_model.rpn
backbone = RTFNet(num_classes) RTFNet is a feature extractor taking as input, an image having 4 channels(fused RGB and thermal image) ,
model = nn.Sequential(backbone, nn.ReLU(inplace=True))
model = nn.Sequential(model,fpn_block)
model = nn.Sequential(model,rpn_block)
model = nn.Sequential(model,FastRCNNPredictor(in_features, num_classes))
Я просто пытаюсь проверить и посмотреть, работает ли он, используя следующий код, который генерирует случайные изображения и ограничивающие прямоугольники.
images, boxes = torch.rand(1, 4, 512, 640), torch.rand(4, 11, 4)
labels = torch.randint(1, num_classes, (4, 11))
images = list(image for image in images)
targets = []
for i in range(len(images)):
d = {}
d['boxes'] = boxes[i]
d['labels'] = labels[i]
targets.append(d)
output = model(images, targets)
Запуск этого дает мне следующую ошибку
TypeError Traceback (most recent call last)
<ipython-input-22-2637b8c27ad2> in <module>()
----> 1 output = model(images, targets)
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
530 result = self._slow_forward(*input, **kwargs)
531 else:
--> 532 result = self.forward(*input, **kwargs)
533 for hook in self._forward_hooks.values():
534 hook_result = hook(self, input, result)
TypeError: forward() takes 2 positional arguments but 3 were given
Однако, когда я заменяю свою модель обычной моделью FasterRCNN на следующую,
model = fasterrcnn_resnet50_fpn(pretrained=True)
in_features = model.roi_heads.box_predictor.cls_score.in_features
model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes)
ошибки нет и все работает нормально
Может ли кто-нибудь сообщить мне, где я ошибаюсь? заранее спасибо
