coco关键点标注json_COCO 数据集中目标检测标注说明

此篇文章会不断补充内容，建议长期关注。最后更新日期为2018年11月25日。

需要用到的工具：

UltraEdit

Git

Python ，包含 jupyter notebook，以及其它必要的包

Adobe Photoshop CC

目前官方 API 只提供了 Lua 脚本、Python 脚本和 Matlab 脚本的编程接口，暂时没有适配 .net 框架的接口。其中只有 Matlab 脚本才能使用 analyze() 函数对评估结果进行分析。

coco 数据集有五种标注类型，分别是“目标检测”、“关键点检测”、“素材分割”、“全景分割”和“图像说明”。标注信息使用 JSON 格式存储。请注意，下载页面上描述的 COCO API 可用于访问和操作所有“标注”。 所有“标注”都具有下面相同的基本数据结构：

{

"info" : info,

"images" : [image],

"annotations" : [annotation],

"licenses" : [license],

}

info{

"year" : int,

"version" : str,

"description" : str,

"contributor" : str,

"url" : str,

"date_created" : datetime,

}

image{

"id" : int,

"width" : int,

"height" : int,

"file_name" : str,

"license" : int,

"flickr_url" : str,

"coco_url" : str,

"date_captured" : datetime,

}

license{

"id" : int,

"name" : str,

"url" : str,

}

接下来只描述“对象检测”的特定格式：

一、对象检测

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 = 1)用于标记大组对象(例如一群人)。 此外，为每个对象提供一个封闭的边界框(框坐标是从左上角的图像角测量的，并且是0索引的)。 最后，标注结构的 categories 字段存储 category id 到 category 和 supercategory 名称的映射。 另请参阅检测任务。

annotation{