coco数据集大小分类_COCO数据集使用

一、简介

官方网站：http://cocodataset.org/

全称：Microsoft Common Objects in Context (MS COCO)

支持任务：Detection、Keypoints、Stuff、Panoptic、Captions

说明：COCO数据集目前有三个版本，即2014、2015和2017，其中2015版只有测试集，其他两个有训练集、验证集和测试集。

(本贴内容来源于官网+个人理解与描述)

二、数据集下载

方法一：直接官网下载(需要FQ)。

方法二：本人已把官网数据集放在百度云网盘，可自行下载(无需FQ)。

三、数据集说明

COCO数据集包括两大部分：Images和Annotations

Images：“任务+版本”命名的文件夹(例如：train2014)，里面为xxx.jpg的图像文件；

Annotations：文件夹，里面为xxx.json格式的文本文件(例如：instances_train2014.json)；

使用COCO数据集的核心就在于xxx.json文件的读取操作，下面详细介绍annotation文件的组织结构和使用方法。

3.1 通用字段

COCO有五种注释类型对应五种任务:目标检测、关键点检测、实物分割、全景分割和图像描述。注释使用JSON文件存储。每个xxx.json的内容整体为一个字典，key为“info”、“images“、”annotations“和”licenses“，如下所示：

1 {

2 "info":info,

3 "images":[image],

4 "annotations":[annotation],

5 "licenses":[license],

6 }

value为对应的数据类型，其中，info是一个字典，images是一个list，annotations是一个list，licenses是一个list。除annotation外，每部分的内容定义如下：

1 info{

2 "year" : int, # 数据集年份号

3 "version" : str, # 数据集版本

4 "description" : str, # 数据集描述

5 "contributor" : str, # 贡献者

6 "url" : str, # 数据集官方网址

7 "date_created" : datetime, # 数据集创建详细时间

8 }

9

10 image{

11 "id" : int, # 图像id

12 "width" : int, # 图像宽度

13 "height" : int, # 图像高度

14 "file_name" : str, # 图像文件名

15 "license" : int, # 许可证

16 "flickr_url" : str, # flickr链接

17 "coco_url" : str, # coco链接

18 "date_captured" : datetime, # 拍摄时间

19 }

20

21 license{

22 "id" : int, # license的编号，1-8

23 "name" : str, # 许可证名称

24 "url" : str, # 许可证网址

25 }

key为”annotation“的value对应不同的xxx.json略有不同，但表示内容含义是一样的，即对图片和实例的描述。同时除了annotation外，还有一个key为”categories“表示类别。以下分别对不同任务的annotation和categories进行说明。

3.2 非通用字段

3.2.1 Object Detection(目标检测)

以检测任务为例，对于每一张图片，至少包含一个对象，COCO数据集对每一个对象进行描述，而不是对一张图片。每个对象都包含一系列字段，包括对象的类别id和mask码，mask码的分割格式取决于图像里的对象数目，当一张图像里就一个对象时(iscrowd=0)，mask码用RLE格式，当大于一个对象时(iscrowd=1)，采用polyhon格式。

1 annotation{

2 "id" : int, # annotation的id，每个对象对应一个annotation

3 "image_id" : int, # 该annotation的对象所在图片的id

4 "category_id" : int, # 类别id，每个对象对应一个类别

5 "segmentation" : RLE or[polygon],

6 "area" : float, # 面积

7 "bbox" : [x,y,width,height], # x,y为左上角坐标

8 "iscrowd" : 0 or 1, # 0时segmentation为REL，1为polygon

9 }

10

11 categories[{

12 "id"　　　　　　　　 : int, # 类别id

13 "name" : str, # 类别名称

14 "supercategory"　　: str, # 类别的父类，例如：bicycle的父类是vehicle

15 }]

3.2.2 Keypoint Detection(关键点检测)

与检测任务一样，一个图像包干若干对象，一个对象对应一个keypoint注释，一个keypoint注释包含对象注释的所有数据(包括id、bbox等)和两个附加字段。

首先，key为”keypoints“的value是一个长度为3k的数组，其中k是类别定义的关键点总数(例如人体姿态关键点的k为17).每个关键点都有一个0索引的位置x、y和可见性标志v(v=0表示未标记，此时