COCO数据集解读

CVer必然要对Microsoft COCO数据集有一定的了解，今天就对COCO做一点解读。

1. MS COCO

关于COCO的介绍应该能看懂，这里我们只强调一下重要信息。

看一下标注文件，不同的文件对应不同的task，比如instances_train2017.json是检测与分割任务的训练集标注。

再关注一下文件细节，其中标注信息存储在annotations字段，具体的存储的信息表示什么参见官网或者相关论文。

2. COCOAPI

为使用户更好地使用COCO数据集，COCO提供了各种API(其实就是提取标注文件中的信息)，现就PythonAPI的使用最一些简单介绍。

2.1 cocoapi安装

cocoapi来自于github https://github.com/pdollar/coco ，从github上clone即可。

git clone https://github.com/pdollar/coco

下载完文件后，进入cocoapi/PythonAPI/目录，可以看见该目录下有一个setup.py文件，运行该文件，即：

# 在anaconda相应的虚拟环境中安装
# 安装完成后在Pycharm中调用该虚拟环境解释器时，
# Pycharm左边面板外部库会多出来pycocotools库
python setup.py install

2.2 简单使用

1. 使用图像检测与分割数据集
   
2. 使用人体关节点检测数据集
   
3. 使用语义分析数据集
   
   captions：
   
   完整源码参见：https://github.com/dhuQChen/Projects/tree/master/COCO

现就几个函数做一些说明：
getCatIds(catNms=[], supNms=[], catIds=[]) ：通过输入类别的名字、大类的名字或是种类的id，来筛选得到图片所属类别的id。
getImgIds(imgIds=[], catIds=[]) ：通过图片的id或所属种类的id得到图片的id。
loadImgs(ids=[]) ：得到图片的id信息后，就可以用loadImgs得到图片的信息了 。
getAnnIds(imgIds=[], catIds=[], areaRng=[], iscrowd=None) ：通过输入图片的id、类别的id、实例的面积、是否是人群来得到图片的注释id。再根据注释信息进行实例分割。
loadAnns(ids=[]) ：通过注释的id，得到注释的信息。
showAnns(anns) ：使用标注的信息画分割的结果。