coco数据集目标检测论文_数据集COCO在目标检测的介绍与使用

COCO数据集介绍

COCO数据集主页：http://cocodataset.org

COCO数据集是大规模的数据集，用于Object Detection + Segmentation + Localization + Captioning。

数据集下载：http://cocodataset.org/#download

目前常用的是2017 Train images [118K/18GB]和2017 Val images [5K/1GB]。这些图片可以对应如下的标注信息应用：

2017 Train/Val annotations [241MB]：

instances:目标检测

captions:图像描述

person_keypoints:关键点检测

2017 Stuff Train/Val annotations [1.1GB]： 素材分割(Stuff Segmentation)

2017 Panoptic Train/Val annotations [821MB]： 全景分割(Panoptic Segmentation)

还有测试集2017 Test images [41K/6GB]，这部分数据不知道annotations，分为test-dev集和test集，相当于A，B榜，前者可以提交到evaluation server去查看结果并得到反馈，后者用于评判最终的比赛结果。

五部分json格式的详细信息可见如下链接：http://cocodataset.org/#format-data

在这里重点Object Detection相关的标注信息：

annotation{

"id": int,

"image_id": int,

"category_id": int,

"segmentation": RLE or [polygon],

"area": float,

"bbox": [x,y,width,height],

"iscrowd": 0 or 1,

}

categories[{

"id": int,

"name": str,

"supercategory": str,

}]

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)。 segmentation的编码格式取决于实例是表示单个对象(iscrowd = 0，在这种情况下使用