COCO是微软提供的⼀个图像识别的数据集。其中包括3个tasks，分别是object instances, object keypoints, 和image captions，存储格式为JSON。
基本的数据结构定义如下：
{
学生证制作
"info" : info, "images" : [image], "annotations" : [annotation], "licenses" : [license],
}
info{
"year" : int, "version" : str, "description" : str, "contributor" : str, "url" : str, "date_created" : datetime,
}
image{
"id" : int, "width" : int, "height" : int, "file_name" : str, "license" : int, "flickr_url" : str, "coco_url" : str, "date_captured" : datetime,
}
license{
关闭起重装置
"id" : int, "name" : str, "url" : str,
}
其中images和licenses是包含多个实例的数组。 三个tasks的格式相近，这⾥以⼀段object keypoints的实例代码为例进⾏解析。
{
"info" : info, "images" : [image], "annotations" : [annotation], "licenses" : [license],
无人机测量}
"info":{
"description":"This is stable 1.0 version of the 2014 MS COCO dataset.",
"url":"http:\/\/",
"version":"1.0","year":2014,
"contributor":"Microsoft COCO group",
"date_created":"2015-01-27 09:11:52.357475"
},
"image":{
"license":3,
"file_name":"COCO_val2014_000000391895.jpg",
"coco_url":"http:\/\/\/images\/391895",
"height":360,"width":640,"date_captured":"2013-11-14 11:18:45",
"flickr_url":"http:\/\/farm9.staticflickr\/8186\/8119368305_4e622c8349_z.jpg",
"id":391895
},
"licenses":{
"url":"http:\/\/\/licenses\/by-nc-sa\/2.0\/",正弦波发生器
"id":1,
"name":"Attribution-NonCommercial-ShareAlike License"
},
"annotations":{
"segmentation": [[125.12,539.69,140.94,]],
"num_keypoints": 10,
"area": 47803.27955,
"iscrowd": 0,
"keypoints": [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,142,309,1,177,320,2,],
"image_id": 425226,"bbox": [73.35,206.02,300.58,372.5],"category_id": 1,
"id": 183126
},
"category":{
"supercategory": "person",
"id": 1,
"name": "person",
"keypoints": ["nose","left_eye","right_eye","left_ear","right_ear","left_shoulder","right_shoulder","left_
elbow","right_elbow","left_wrist","right_wrist","left_hip","right_ "skeleton": [[16,14],[14,12],[17,15],[15,13],[12,13],[6,12],[7,13],[6,7],[6,8],[7,9],[8,10],[9,11],[2,3],[1,2],[1,3],[2,4],[3,5],[4,6],[5,7]]
}
先看annotation字段。segmentation格式取决于这个实例是⼀个单个的对象（即iscrowd=0，将使⽤polygons格式）还是⼀组对象（即
iscrowd=1，将使⽤RLE格式）。单个的对象（iscrowd=0)可能需要多个polygon来表⽰，⽐如这个对象在图像中被挡住了。⽽
iscrowd=1时（将标注⼀组对象，⽐如⼀⼈）的segmentation使⽤的就是RLE格式。⽽只要是iscrowd=0那么segmentation就是
polygon格式；只要iscrowd=1那么segmentation就是RLE格式。另外，每个对象（不管是iscrowd=0还是iscrowd=1）都会有⼀个矩形
框bbox ，矩形框左上⾓的坐标和矩形框的长宽会以数组的形式提供，数组第⼀个元素就是左上⾓的横坐标值。area是area of encoded
masks，是标注区域的⾯积。如果是矩形框，那就是⾼乘宽；如果是polygon或者RLE，那就复杂点。
keypoints是⼀个长度为3*k的数组，其中k是category中keypoints的总数量。每⼀个keypoint是⼀个长度为3的数组，第⼀和第⼆个元素
分别是x和y坐标值，第三个元素是个标志位v，v为0时表⽰这个关键点没有标注（这种情况下x=y=v=0），v为1时表⽰这个关键点标注了 但是不可见（被遮挡了），v为2时表⽰这个关键点标注了同时也可见。num_keypoints表⽰这个⽬标上被标注的关键点的数量（v>0），
卷纸架⽐较⼩的⽬标上可能就⽆法标注关键点。
再看category字段，存储的是当前对象所属的category的id，以及所属的supercategory的name（在object keypoint任务中只有⼀类，
即person）。keypoints是⼀个长度为k的数组，包含了每个关键点的名字；skeleton定义了各个关键点之间的连接性（⽐如⼈的左⼿腕和
左肘就是连接的，但是左⼿腕和右⼿腕就不是）。
注：⼈体关键点检测任务，COCO中有18个关键点，⽽MPI有15个。COCO关键点顺序如下：
家谱管理系统
References:
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议