Pytorch 使用Fasterrcnn进行回归或仅查找图像中的边界框

是否可以在pytorch中使用FasterRcnn仅用于查找边界框而不考虑分类部分？

---

是否可以将分类部分的损失（分类交叉熵）更改为回归损失（MSE）？

对于问题的第一部分，请查看演示中接收边界框的行

---

对于第二部分，是的，这是可能的。但您必须确保回归损失（例如）适合您计划使用网络执行的任务。

您好，欢迎来到stackoverflow，感谢您的贡献。为了让你的未来的回答者更容易帮助你，请考虑提供更多关于你的试验和与问题相关的经验的细节。

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]