coco训练集darknet_在Darknet环境下训练MS COCO 2017数据集（目标检测）（YOLOv3）

COCO 数据集是一个大型数据集，里面包含了包括 object detection, keypoints estimation, semantic segmentation，image caption 等多个任务所需要的图像数据及其标注信息。

以MS COCO 2017为例，一共 25G 左右的图片和 1.5G 左右的 annotation 文件，annotation 文件的格式为 .json 格式，存储了所有图片中的目标类别 (总共 80 类)，目标 bounding box 的精确坐标以及目标的分割轮廓信息等。

完整的COCO2017数据集下载好并解压缩后应包含以下几部分：

Darknet 成名于YOLO目标检测框架的提出，它是一个用 C 语言和 CUDA 编写的开源神经网络框架，目前基于 darknet 实现的目标检测算法 YOLOv1，YOLOv2 和YOLOv3 在目标检测领域有一定的优势，是One-Stage目标检测算法的代表之一。

本文所需要用到Python脚本代码可以在Github上找到：https://github.com/ChriswooTalent/COCO_forYOLO 。

共包含 4 个 python 脚本：

① batch_split_annotation_foryolo.py: 批处理解析 coco 注释文件，将整体的注释文件分离成每个图像单个的注释文件；

②split_annotation_foryolo.py：分离数据文件的执行部分，在 batch_split_annotation_foryolo 中会调用；

③create_JEPG_dir.py: 将所有训练图像，验