COCO数据集详解

COCO的全称是Common Objects in Context，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。 Download && Paper

• 2014：训练集 + 验证集 + 测试集
• 2015：测试集
• 2017：训练集 + 验证集 + 测试集

PK内容包括： 目标检测与实例分割、人体关键点检测、材料识别、全景分割、图像描述

目标检测/实例分割数据标注文件解析

本文以“** coco2017/annotations/instance_val2017.json**”标注文件为例。
注释文件中的内容就是一个字典数据结构，包括以下5个key-value对。其中info、images、licenses三个key是不同类型标注文件共享的，最后的annotations和categories按照不同的任务有所不同：
（一）info字段

（二）licenses字段：包括下图中的内容，里面集合了不同类型的licenses，并在images中按照id号被引用，基本不参与到数据解析过程中。

（三）images字段：包括下图中的内容，对应了每张图片的详细信息，其中的id号是被分配的唯一id

（四）categories字段：包括下图中的内容。其中supercategory是父类，name是子类，id是类别id（按照name统计）。比如下图中所示的。coco数据集共计有80个类别（按照name计算的）。

（五）annotations字段：包括下图中的内容，每个序号对应一个注释(会有所在图片id)，一张图片上可能有多个注释。

• category_id：该注释的类别id；
• id：当前注释的id号
• image_id：该注释所在的图片id号
• area：区域面积
• bbox：目标的矩形标注框
• iscrowd：0或1。0表示标注的单个对象，此时segmentation使用polygon表示；1表示标注的是一组对象，此时segmentation使用RLE格式。
• segmentation：
  • 若使用polygon标注时，则记录的是多边形的坐标点，连续两个数值表示一个点的坐标位置，因此此时点的数量为偶数
  • 若使用RLE格式（Run Length Encoding（行程长度压缩算法））

RLE算法概述：
将图像中目标区域的像素值设定为1，背景设定为0，则形成一个张二值图，该二值图可以使用z字形按照位置进行编码，例如：0011110011100000……
但是这样的形式太复杂了，可以采用统计有多少个0和1的形式进行局部压缩，因此上面的RLE编码形式为：2-0-4-1-2-0-3-1-5-0……（表示有2个0,4个1,2个0,3个1,5个0）