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。