coco 2014数据集学习笔记

coco 2014数据集

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 深度学习之2014coco数据库

---

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

一、COCO数据集下载

参考链接：

（1）val2014 images
（2）train2014/val2014 annotations

二、使用步骤

1.关键点

代码如下（示例）：

import json

json_path = "./instances_val2014.json"
json_labels = json.load(open(json_path, "r"))

“images”

“categories”

注，categories 是80个类别，但是类别的id并不是0~79 或者， 1~80 ； 而是对应stuff=93 中的80个；
故，上图 中 “id” = 2。

“annotations”

图中 annotations 等于 291875，含义是40504张图片总共有291875实例（人、猫、狗 等等）；

1.计算mAP

上图是coco 官网对目标检测网络输出结果保存数据的格式要求，保存为json格式。

代码如下（示例）：

from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval


# accumulate predictions from all images
# 载入coco2014验证集标注文件
coco_true = COCO(annotation_file="./instances_val2014.json")
# 载入网络在coco2014验证集上预测的结果
coco_pre = coco_true.loadRes('./predict_results.json')

coco_evaluator = COCOeval(cocoGt=coco_true, cocoDt=coco_pre, iouType="bbox")
coco_evaluator.evaluate()
coco_evaluator.accumulate()
coco_evaluator.summarize()

运行结果：

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了COCO 数据集的下载、使用。

参考

https://blog.csdn.net/qq_37541097/article/details/113247318