MS COCO数据集80个类别及其编号ID对应

最新推荐文章于 2025-03-07 06:21:19 发布
最新推荐文章于 2025-03-07 06:21:19 发布
阅读量6.1k 收藏 22
点赞数 2
分类专栏： 深度学习 目标检测随机 记录 文章标签： COCO
原文链接：https://blog.csdn.net/Dreaming_of_you/article/details/102756445
版权

coco2017数据集共80小类，类别id号不连续，最大为90，各类别id与类别名称对应关系如下：
在这里插入图片描述

问：
为什么id不连续呢？

转载的这个博客的博主回复：
解析coco的id不连续，说明coco本来为各个类别设置的id就是不连续的；

参考链接
  1. CSDN博客：coco2017数据集80类别名称与id号的对应关系
MS COCO数据集介绍以及pycocotools使用
guoqingru0311的博客
09-20 2770
MS COCO数据集介绍以及pycocotools使用
coco数据集大小分类_Microsoft COCO 数据集
weixin_36325338的博客
12-23 2169
本篇博客主要以介绍MS COCO数据集为目标，分为3个部分：COCO介绍，数据集分类和COCO展示。本人主要下载了其2014年版本的数据，一共有20G左右的图片和500M左右的标签文件。标签文件标记了每个segmentation的像素精确位置+bounding box的精确坐标，其精度均为小数点后两位。一个目标的标签示意如下：{"segmentation":[[392.87, 275.77, 40...
目标检测数据集COCO和VOC所含类别解析
weixin_51031772的博客
01-18 2908
VOC数据集有20个类别，分为交通工具/家具/动物/人四类。VOC 2007 有9963张图片，VOC 2012有12125张图片，一般两个一起用，一共22088张。
coco数据集80个分类是哪些-推荐！最适合初学者的18个经典开源计算机视觉项目... 计算机视觉.pdf
04-21
coco数据集80个分类是哪些-推荐！最适合初学者的18个经典开源计算机视觉项目... 计算机视觉.pdf
目标检测——COCO数据集
最新发布
qq_38220914的博客
03-07 467
该数据集以场景理解为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。COCO数据集的第一个版本于2014年发布，包含16.4万张图像，分为训练集(8.3万张)、验证集(4.1万张)和测试集(4.1万张)。COCO数据集的每个图像都包含五句图像的语句描述，这些描述由人工编写，并用于评估图像标题生成算法的性能。总的来说，COCO数据集是一个非常丰富和多样的目标检测数据集，它为研究者提供了大量的标注信息，以帮助他们开发和评估新的目标检测算法。
COCO数据集80个类的名称
koukouwuwu的专栏
03-10 5292
person bicycle car motorbike aeroplane bus train truck boat traffic light fire hydrant stop sign parking meter bench bird cat dog horse sheep cow elephant bear zebra giraffe backpack umbrella handbag tie suitcase frisbee skis snowboard sports ball kite bas
推荐！最适合初学者的18个经典开源计算机视觉项目
喜欢打酱油的老鸟
09-30 4867
英语原文：18 All-Time Classic Open Source Computer Vision Projects for Beginners 翻译：雷锋字幕组（小哲） 概述 开源计算机视觉项目是在深度学习领域中获得一席之地的绝佳路径 开始学习这18个非常受欢迎的经典开源计算机视觉项目 引言 计算机视觉的应用现在无处不在。 老实说，我已经不记得上次一整天没有遇到或者没有与至少一样计算机视觉使用样例进行交互时什么时候了（手机上的人脸识别） 但是有一件事情就是 一 想要学习计
coco数据集目标类别标签
04-10
coco数据集目标检测物体类别标签json文档，包括物体索引即ID和文本名称
MSCOCO test2017数据集的信息文件 image_info_test2017
01-28
测试集2017版是MSCOCO数据集的一个重要组成部分，用于评估模型在实际应用中的性能。 **二、image_info_test2017文件详解** `image_info_test2017` 是MSCOCO测试集2017中关于图像信息的JSON文件，它存储了所有测试...
制作coco数据集。。。
11-02
首先，COCO数据集的特点在于其丰富的类别和详细的标注。它包含了80个不同的物体类别，如人、动物、交通工具等，并对每个图像中的物体进行了精确的边界框和分割掩模标注。这使得COCO数据集非常适合训练复杂的深度学习...
MS_COCO数据集使用教程学习笔记（目标检测）_Learning_the_COCO.zip
09-15
MS COCO数据集，全称为Microsoft Common Objects in Context，是由微软研究院推出的一个大型图像数据集，专门用于目标检测、图像识别、语义分割等多种计算机视觉任务。它不仅包含图像本身，还有详细的图像标注信息，...
COCO数据集的总计80个类
Norstc的博客
03-09 6905
person bicycle car motorbike aeroplane bus train truck boat traffic light fire hydrant stop sign parking meter bench bird cat dog horse sheep cow elephant bear zebra giraffe backpack umbrella handbag...
coco数据集中的80个类别
leo0308的博客
12-28 384
【代码】coco数据集中的80个类别。
VOC、COCO数据集类别
AI数据工厂
12-31 8377
VOC、COCO数据集的类别列表，其中VOC20类，COCO全部90类，但目标实例只有80类。以上均已分别列出。
coco2017数据集80类别名称与id号的对应关系
热门推荐
Dreaming_of_you的博客
10-26 2万+
coco2017数据集共80小类，类别id号不连续，最大为90，各类别id与类别名称对应关系如下： id:1 person id:2 bicycle id:3 car id:4 motorcycle id:5 airplane id:6 bus id:7 train id:8 truck id:9 boat id:10 traffic light id:11 fire hyd...
针对COCO80数据集提取想要的id类别数据
weixin_48227877的博客
03-06 708
coco80数据想要的类别就可以提取出来了，后续训练还需要根据模型要求改一下标签文件就可以了。2.安装cocoApI（linux版本）1.下载coco数据集。3.提取特定类别代码。
COCO数据集80类别名称与id号的对应关系(字典形式）
wzcboy1的博客
11-13 2510
网上看了很多都是文本型的对应关系，为方便编程，写成如下python字典形式： {1: 'person', 2: 'bicycle', 3: 'car', 4: 'motorcycle', 5: 'airplane', 6: 'bus', 7: 'train', 8: 'truck', 9: 'boat', 10: 'traffic light', 11: 'fire hydrant', 13: 'stop sign', 14: 'parking meter', 15: 'bench.
mscoco2017数据集类别索引
01-14
### MS COCO 2017 数据集类别索引详细说明 MS COCO (Microsoft Common Objects in Context) 是一个广泛用于计算机视觉研究的数据集，特别是针对对象检测、分割和图像字幕生成等领域。该数据集提供了丰富的标注信息，包括边界框、实例分割掩码以及关键点注释。 #### 类别数量与名称 MS COCO 2017 数据集包含了80个不同的物体类别[^2]。这些类别的定义对于理解数据集中所涉及的对象至关重要，并且在实际应用中也非常重要，因为它们决定了模型能够识别哪些类型的物品。 以下是完整的类别列表及其对应的索引编号： | 索引 | 类别 | |------|------------| | 1 | person | | 2 | bicycle | | 3 | car | | ... | ... | | 80 | toothbrush | 为了方便开发者访问这些信息，在官方提供的Python API中已经内置了获取类别ID的方法。通过`pycocotools.coco.COCO.loadCats()`函数可以直接加载并查看所有类别的详情[^1]。 ```python from pycocotools.coco import COCO import os # 初始化COCO API dataDir='path/to/coco' dataType='train2017' # 或者 'val2017',取决于使用的子集 annFile='{}/annotations/instances_{}.json'.format(dataDir,dataType) coco=COCO(annFile) # 获取所有类别的id cats = coco.loadCats(coco.getCatIds()) nms=[cat['name'] for cat in cats] print('COCO categories: \n{}\n'.format(' '.join(nms))) # 打印每个类别的id和名字 for i, name in enumerate(nms): print(f"{i+1}: {name}") ``` 这段代码展示了如何利用 `pycocotools` 库来查询和打印出所有的类别名与其相应的索引号。这有助于研究人员快速了解可用的目标种类，并能帮助构建适合特定任务的应用程序。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值