【数据集研究】MS COCO

---

1、简介

• MS COCO ：Microsoft Common Objects in Context

• MS COCO 是一个由微软公司创建的用于图像识别和物体检测的大型数据集。

• MS COCO 数据集有两个版本：MS COCO 2014 和 MS COCO 2017。 这里我们介绍 2017版本
  2017版数据集 是对 2014版数据集 的扩展和更新，2017版 较 2014版 的变化有：

  • 2017版 和 2014版 使用完全相同的图像
  • 2017版 训练集/验证集 的划分是118K/5K，而 2014版 是 83K/41K
  • 2017版中用于 检测类任务 / 关键点检测 的注释 和 2014版 是一样的， 但是增加了 40K 张训练图像 （118k 训练集中的子集） 和 所有验证集 的stuff 标注 （后面有介绍 stuff categories）
  • 2017年的测试集只有两个部分(开发集/挑战集)，而2014版的测试集有四个部分(开发集/标准集/储备集/挑战集)。
  • 2017版 发布12万张来自COCO的无标记图像，这些图像遵循与标记图像相同的类分布 ，可用于半监督学习。

官网地址：https://cocodataset.org/
官方论文: https://arxiv.org/pdf/1405.0312.pdf

---

2、数据集特点

COCO 是一个大规模的、用于 对象检测、分割 和 图像描述的 数据集。它有以下几个特点:

大家主要的疑惑点可能在于 80 object categories 和 91 stuff categories ：

• stuff categories ：论文中的描述是： “stuff” categories include materials and objects with no clear boundaries (sky, street, grass)，即标注了91类没有明确边界的对象(诸如天空，街道，草地)。
• 80 object categories 和 91 stuff categories 的区别：论文中用一段文字来描述了它们的区别，简单来说就是80类是91类的一个子集，去掉了一些难以分类和容易混淆的类别，如果做目标检测，基本只用 object 80类。

---

（2）80个 类别

---

3、MS COCO 数据集 支持的计算机视觉任务

---

4、MS COCO 2017 数据集 下载

目标检测任务、语义分割任务，实例分割任务、图像描述人物、关键点检测任务， 只用到我下面框起来的3个文件： (1) 训练集图像文件、(2) 验证集图像文件、(3) 训练集和验证集标注文件

这里我贴出下载链接
训练集图像 (2017 train)：http://images.cocodataset.org/zips/train2017.zip
验证集图像 (2017 val)：http://images.cocodataset.org/zips/val2017.zip
训练集标注 (2017 annotations): http://images.cocodataset.org/annotations/annotations_trainval2017.zip

数据下载下来后，是如下的文件结构

---

5、MS COCO 文件标注格式

以 instances_train2017.json 为例，数据读取进来之后，是一个 dict，包含5个元素：info、licenses、image、annotation、categories

import json

json_path = "COCO2017/annotations/instances_train2017.json"
with open(json_path, 'r') as f:
    json_labels = json.load(f)

1）info

2）licenses

3）image

4）annotation

5）categories