做实例分割时，36个点的起始问题

[zkdfbb]

请问一下，在做实例分割时，36个点的起始点应该选取哪个点？
另外，如果是在边缘上等距离选取点的话，对于一些极值点，例如拐角处的点有可能选取不到，这种情况下该怎么处理呢？
如果更多的点，比如72个点，甚至256个点，用CrossIOULoss的话，是不是很难优化呢？

[Duankaiwen]

@zkdfbb 起始点总是选距离物体中轴线最近的上边缘点，然后逆时针走一圈。相关代码在mmdet/datasets/pipelines/loading.py line439: unify_origin_polygon = self.unify_origin_polygon(cw_valid_polygon)。72个点我试过，没问题的，再多了我就没试了，但是我估计问题不大，因为segmentation我是分组约束的，每9个向量为一组计算一组loss。您可以试一下。

[zkdfbb]

@Duankaiwen 感谢！明白了，我看一下

[zkdfbb]

@Duankaiwen 麻烦再请问一下，对于下面这种二分类的语义分割

由于边缘比较复杂，边界上的点是属于不同物体的，红色部分是背景，比如路面，试了一下用LSNet的方法去回归边界线上的点，取的点数很多，比如128个，采用分组约束最终可视化的效果也几乎和边界线没啥关系，大部分时候就是随便的一个圈，是在训练过程中有什么trick么，还是有可能我用的就不对？而且LSnet是怎么保证最终的点的顺序的呢，像polarmask对这种比较复杂的边缘无法取到所有的点，但至少极坐标下点序是固定的，只回归长度的话似乎比lsnet回归一个完整的向量要容易些

[Duankaiwen]

@zkdfbb LSNet中的点也是有顺序的，在训练时，我们规定了起始点总是选距离物体中轴线最近的上边缘点，然后逆时针走一圈。因此，预测时，channel 0对应预测起始点位置，channel 1预测对应起始点的下一个位置 ....依次进行下去。对于这个结果，您先把GT polygan显示一下，我看是什么样的