匈牙利匹配时时用到curve_utils中的Cubic bezier curve segment about pytorch-auto-drive

[voldemortX]

@xxKomorebixx 你指的是训练时候把transform到图片外面的部分截掉这一步么？

[xxKomorebixx]

是这一部分 使用了De Casteljau算法

[voldemortX]

@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出，同时车道线也转出，为了严谨性最好是把这部分去掉，所以有了这个处理。

总结一下有两个解决方案，一是忽略这个问题，允许网络预测图片边界外的控制点，测试推理时把图片外的采样点丢弃。二是想办法截取GT，截取方法可以是类似我原来的公式（高阶可能不好推），也可以是重新拟合（要通过并行处理等方式，避免过度影响训练速度）。

[xxKomorebixx]

@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出，同时车道线也转出，为了严谨性最好是把这部分去掉，所以有了这个处理。

总结一下有两个解决方案，一是忽略这个问题，允许网络预测图片边界外的控制点，测试推理时把图片外的采样点丢弃。二是想办法截取GT，截取方法可以是类似我原来的公式（高阶可能不好推），也可以是重新拟合（要通过并行处理等方式，避免过度影响训练速度）。

明白了！！十分感谢您！

[Wilbur529]

@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出，同时车道线也转出，为了严谨性最好是把这部分去掉，所以有了这个处理。

总结一下有两个解决方案，一是忽略这个问题，允许网络预测图片边界外的控制点，测试推理时把图片外的采样点丢弃。二是想办法截取GT，截取方法可以是类似我原来的公式（高阶可能不好推），也可以是重新拟合（要通过并行处理等方式，避免过度影响训练速度）。

@voldemortX Hi，我尝试了方案一“允许网络预测图片边界外的控制点”，设置了order=4，同时修改了相关配置文件中的参数num_regression_parameters=10。目前模型输出各向量的尺寸均符合预期，模型也可以正常计算出loss值，但是在backward时会报如下错误：

想请教下可能是什么原因呢？

[voldemortX]

@xxKomorebixx 这个事情是因为旋转等数据增强策略让图片的部分区域转出，同时车道线也转出，为了严谨性最好是把这部分去掉，所以有了这个处理。

总结一下有两个解决方案，一是忽略这个问题，允许网络预测图片边界外的控制点，测试推理时把图片外的采样点丢弃。二是想办法截取GT，截取方法可以是类似我原来的公式（高阶可能不好推），也可以是重新拟合（要通过并行处理等方式，避免过度影响训练速度）。

@voldemortX Hi，我尝试了方案一“允许网络预测图片边界外的控制点”，设置了order=4，同时修改了相关配置文件中的参数num_regression_parameters=10。目前模型输出各向量的尺寸均符合预期，模型也可以正常计算出loss值，但是在backward时会报如下错误：

想请教下可能是什么原因呢？

有跟master分支的diff吗，感觉这个报错比较奇怪