探讨：COCO2017数据集中包含很多目标被标注为一个框bbox，是标注错误吗？

1 问题场景

由于COCO2017数据集具有：

• 类别多样性，有80个类别
• 数据集场景丰富
• 数据集标注多样性，例如，在COCO2017的person类，只要出现人，无论是出现整个人，还是只出现人的脸、或只出现人的腿、或只出现人的一只脚都标注为person类

我的目的是从COCO2017数据集中提取包含指定类别的类，例如我只想提取包含person类别，其他标注的类别都不要，如下是我从COCO2017数据集中提取包含person的类别，包含person类别的数据集大概有6W多张图片

(base) shl@zhihui-mint:~/shl_res/3_data$ tree COCO2017_person/images/
COCO2017_person/images/
├── 000000000036.jpg
├── 000000000049.jpg
├── 000000000061.jpg
├── 000000000074.jpg
├── 000000000077.jpg
├── 000000000086.jpg
......

├── 000000581886.jpg
├── 000000581887.jpg
├── 000000581899.jpg
├── 000000581900.jpg
├── 000000581904.jpg
└── 000000581921.jpg

0 directories, 64113 files
(base) shl@zhihui-mint:~/shl_res/3_data$ 

2 使用labelImg查看COCO2017数据会出现很多目标被标注为一个框bbox

在使用labelImg查看COCO2017数据会出现很多目标被标注为一个框bbox，如下图，他会把一群人标注为一个大的bbox

我以为是我代码转化的有问题，但是我查看了标注的person框都是没有问题的，只有当人群特别密集的时候，才会出现把所有的人群标注一个大的bbox，因此我确定我转化的代码应该是没有问题的。我不太明白COCO数据集这么标注的意义，我个人理解这种标注可能会造成误检，但是我也没有实际测试过，欢迎大家讨论，或者你明白COCO数据集这么标注的原因，告知我，谢谢！

3 相关探讨

我在知乎上看到一个相关的回答，他们的讨论认为：

• 密集的人群目标比较多，也比较小，如果图片像素也比较小，标注起来就很困难
• 检测也比较困难，在检测的时候小目标本身特征就很少，检测就很困难，因此干脆就把人群检测为person，这样也能勉强接受吧！

欢迎大家继续探讨，留言

欢迎大家关注笔者，你的关注是我持续更博的最大动力

原创文章，转载告知，盗版必究
微信：suihailiang0816 QQ：931762054 wx公众号：仰望星空的小随