MS COCO数据集下载与查看

1. MS COCO数据集简介

官网地址：https://cocodataset.org/
简介：MS COCO是一个非常大型且常用的数据集，其中包括了目标检测，分割，图像描述等。

2. MS COCO数据集下载

以下载coco2017数据集为例，只需要下载三个文件：

• 2017 Train images [118K/18GB]
• 2017 Val images [5K/1GB]
• 2017 Train/Val annotations [241MB]：对应训练集和验证集的标注json文件
  目录结构如图：
  

3. MS COCO标注文件格式

3.1 使用python的json库查看annotations里的json文件

下面以读取instances_val2017.json为例：

import json

json_path = "/data/coco2017/annotations/instances_val2017.json"
json_labels = json.load(open(json_path, "r")) 
print(json_labels["info"])

单步调试可以看到读入进来后是个字典的形式，包括了info、licenses、images、annotations以及categories信息：

• images是一个列表（元素个数对应图像的张数），列表中每个元素都是一个dict，对应一张图片的相关信息。包括对应图像名称、图像宽度、高度等信息。
• annotations是一个列表（元素个数对应数据集中所有标注的目标个数，注意不是图像的张数），列表中每个元素都是一个dict对应一个目标的标注信息。包括目标的分割信息（polygons多边形）、目标边界框信息[x,y,width,height]（左上角x,y坐标，以及宽高）、目标面积、对应图像id以及类别id等。iscrowd参数只有0或1两种情况，一般0代表单个对象，1代表对象集合。
• categories是一个列表（元素个数对应检测目标的类别数）列表中每个元素都是一个dict对应一个类别的目标信息。包括类别id、类别名称和所属超类。

3.2 使用官方cocoAPI查看

Windows系统安装pycocotools：

pip install pycocotools-windows

然后在pycharm里调用pycocotools的工具包，可以对图像及其标注信息进行打印。
更多具体内容请参考博文：
https://blog.csdn.net/qq_37541097/article/details/113247318?spm=1001.2014.3001.5501