目标检测任务数据集介绍-MS COCO数据集

本文主要是介绍目标检测任务数据集介绍-MS COCO数据集，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本文简要介绍了COCO数据集的下载、数据内容及使用API接口。比较冗长，适合入门了解。

简介

MS COCO全称Microsoft Common Objects in Context，是一个包含了目标检测、分割、字幕的数据集。包含了以下特点：目标分割、情景中的识别、超像素Stuff分割（相较于Thing Class，即人、汽车、大象这类目标为主的目标检测任务，此任务更专注于Stuff Class，即草、墙、天空此类目标）、33万幅影像（其中超过20万幅有标注信息）、150万对象实例，80个object类别，91个stuff类别，每个影像5个字幕，25万个标注了关键点的人体目标。
官网地址：http://cocodataset.org（可能需要科学上网）。

打开官网后，依次浏览Dataset，Tasks，Evaluate可以看到数据集，比赛任务、以及提交结果的格式及提交方式等内容。我们最关心的是数据的下载、数据内容与格式及使用方法，按照这个顺序依次来了解该数据集。

数据下载

点击Dataset->Download可以看到有数据使用的API接口、Images影像数据、Annotations标注数据。

在概览中可以看到主要有2014和2017两个数据集，2014年的数据用于Detection（目标检测）、Captioning（字幕标注）、Keypoints（关键点检测）三个任务中，而2017年的数据在此基础之上，多了Stuff和Panoptic分割任务，因此2017年多了Stuff和Panoptic两种annotations标注数据。

2014 Train/Val

分别点击2014 Train images、2014 Val images、2014 Train/Val Annotations，下载2014年训练影像、验证影像、训练和验证标签，Test测试影像用于比赛，没有标注信息，在平时自己玩模型训练和测试时不需要，可不下载。

下载完后的压缩包：

2017 Train/Val

2017的数据相比于2014的数据，多了Stuff annotations（stuff类别分割标签）与Panoptic annotations（全景分割）的标签数据。在Download页面，分别点击2017 Train images、2017 Val images、2017 Train/Val annotations、2017 Stuff Tran/Val annotations、2017 Panoptic Train/Val annotations下载2017数据的训练/验证影像、训练/验证影像的目标检测标签、Stuff类别标签、全景分割标签。

下载后的压缩包：

数据内容与格式

标注数据集主要就两部分内容，影像数据和标注数据，我们使用数据时最关心的就是标注数据的格式与内容，在此以2014的数据为例，介绍COCO数据集的标注格式。

2014Train/Val

分别解压2014Train/Val/Annotations数据后得到train2014，val2014，annotations三个文件夹，其中train2014中存有82783张图片，val2014中存有40504张图片，图片格式均为jpg格式。
图片示例：

Annotations文件夹中就是最重要的标注数据，cations，instances，person_keypoints依次为字幕、目标检测、人体关键点的标注信息，本文主要关注目标检测的内容，以instance_train2014.json文件中的内容说明记录标注的格式。

在COCO官网，点击Evaluate->Data Format࿰

这篇关于目标检测任务数据集介绍-MS COCO数据集的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---