coco2017简介

CoCo2017数据集简介

1. coco2017数据下载及解压

     下载参考: 主：https://blog.csdn.net/u014734886/article/details/78830713                         ###########

                      辅：https://blog.csdn.net/qq_41847324/article/details/86224628

                   实例：https://blog.csdn.net/m0_37644085/article/details/81948396                    ############ 

coco2017包含以下几个文件就好：

coco数据集一共有五种标注类型，分别：目标检测， 关键点检测，素材分割， 全景分割， 图像说明等5种类型；标注信息使用 JSON 格式存储( annotations ), 预处理通过COCO API用于访问和操作所有“标注”

reference: https://blog.csdn.net/u013832707/article/details/93710810

a. 对stuff任务：118282（118K）训练，5k验证

b. 对instance任务：118k训练，instances_minival2014.json（5k）测试

c. 全景分割任务：40890（40k）训练，5k测试

note: 常用2017 Train images [118K / 18G]，2017 Val image [5K / 1G]

这些图片对应的标注信息应用： 2017 Train/Val annotations [241MB]

          instances: 目标检测

          captions: 图像描述

          person_keypoints: 人关键点检测

2017 Stuff  Train/Val annotations [1.1GB]  :   素材分割( Stuff Segmentation )

2017 Panoptic Train / Val annotations [821MB] : 全景分割( Panoptic Segmentation )

还有测试集2017 Test images [ 41K/6GB ]，这部分数据不知道annotations，分为test-dev集和test集，相当于A，B榜，前者可以提交到evaluation server去查看结果并得到反馈，后者用于评判最终的比赛结果。

2. 标注信息( annotations )数据格式---所有“标注”都具有一下相同的基本数据结构：

coco有5种类型标注，分别是：物体检测，关键点检测，实例分割，全景分割，图片标注，每一个标注都对应一个json文件；json是一个大字典，都包括如下关键字：

{
    “info” : info,
    "images" : [image],
    "annotations" : [annotation],
    "licenses" : [license],
}

其中info对应的内容如下：

info{
    "year" : int,
    "version" : str,
    "description" : str,
    "contributor" : str,
    "url" : str,
    "date_created" : datetime,
}

其中images对应一个list，对应多张图片；list的每一元素是一个字典，对应一张图片，格式如下：

images[
{	
    "id" : int, # 图片id
	"width" : int, # 图片宽
	"height" : int, # 图片高
	"file_name" : str, # 图片名
	"license" : int, 
	"flickr_url" : str, 
	"coco_url" : str, # 图片链接
	"date_captured" : datetime,# 图片标注时间
},
{
    "id" : int, 
	"width" : int, 
	"height" : int, 
	"file_name" : str, 
	"license" : int, 
	"flickr_url" : str, 
	"coco_url" : str, 
	"date_captured" : datetime,
},
...
]

其中 license的内容如下：

license{
    "id" : int,
    "name" : str,
    "url" : str,
}

虽然每个json文件都有"info", “images” , “annotations”, "licenses"关键字，但不同的任务对应的json文件中annotation的形式不同，分别如下：

对木目标检测而言：

每个对象实例的标注都包含一系列字段，包括对象的类别ID（category_id）和分段掩码（segmentation）。 分段格式取决于实例是表示单个对象（iscrowd = 0，在这种情况下使用多边形）还是对象集合（iscrowd = 1，在这种情况下使用RLE）。 请注意，单个对象（iscrowd = 0）可能需要多个多边形，例如，如果被遮挡。 人群注释（iscrowd =