@CPFLAME 大佬你好，就是我是一名大二学生，然后是在中北大学的robomaster战队里负责用神经网络识别装甲板实现自动瞄准，不过就是之前我用yolo系列训练出来的模型最后实际测试时得到的bbox和装甲板的轮廓并不能很好的拟合，导致后续使用pnp进行姿态解算时会有较大误差，所以我想将传统yolo的数据集格式改为用四个角点的归一化坐标，现在的数据集格式是像这样：1 0.673029 0.373564 0.678429 0.426232 0.830433 0.401262 0.824525 0.351212，第一个数字是类别id，后面八个数字是归一化后的装甲板的四个角点坐标，之前我使用yolov5-face已经训练出来一个可以直接定位装甲板四个角点的模型，效果如下：

然后之前也一直想尝试用centernet系列的模型来实现检测，但是由于准备比赛一直没有什么时间就没有搞，我是在您知乎的文章里看到了centerx的介绍，您的讲解方式非常有意思，而且centernet不需要后处理这一点实在太吸引我，因为之前yolo系模型转化成trt或者openvino后部署时的后处理实在写的我很烦，而且还耗时，所以我想试试用centerx实现直接对装甲板角点回归，也就是支持keypoints，我知道应该需要修改dataloader，head以及keypoints的loss，但是之前是在yolox上搞过，然后当时还在cls那个头上多搞了个1x1conv单独输出颜色类别，也就是把颜色和数字id类别解藕了，但是改完之后训练一直有些问题，所以这次我想请教一下您具体需要修改的部分，然后注意哪些东西，希望大佬能不吝赐教！