最好的解决方案是使用RLE（行程长度编码）遮罩定义带孔的形状。
在Matterport Mask R-CNN实现中，所有多边形分割都转换为RLE，然后转换为掩码。请查看coco.py中的annToMask（）和annToRLE（）。多边形的原因是它们存储在json中更有效，并且会缩小注解文件的大小。如果您无法使用实心多边形定义形状，除非你想在COCO中创建自己的自定义注解，并修改你的神经网络，以自己将这些多边形孔转换为RLE，否则你将被困在一个潜在的更大的RLE中。
请注意，如果你使用的神经网络只找到边界框，这是不必要的，因为它无论如何都不能返回洞。

我还构建了this导出器，用于分割，从掩码到COCO JSON注解格式，同时保留对象中的孔。使用此导出器，您将能够拥有带孔的注解，从而帮助网络更好地学习。