目标检测任务数据集介绍-MS COCO数据集

2024-08-28 13:38

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。

MS COCO数据集简介

  • 简介
  • 数据下载
    • 2014 Train/Val
    • 2017 Train/Val
  • 数据内容与格式
    • 2014Train/Val
  • 使用接口

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)。
在这里插入图片描述
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使用方法,按照这个顺序依次来了解该数据集。
在这里插入图片描述

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。
在这里插入图片描述
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。
在这里插入图片描述

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。
在这里插入图片描述
下载完后的压缩包:
在这里插入图片描述

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。
在这里插入图片描述
下载后的压缩包:
在这里插入图片描述

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:
在这里插入图片描述
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。
在这里插入图片描述
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!



http://www.chinasem.cn/article/1114919

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

水位雨量在线监测系统概述及应用介绍

在当今社会,随着科技的飞速发展,各种智能监测系统已成为保障公共安全、促进资源管理和环境保护的重要工具。其中,水位雨量在线监测系统作为自然灾害预警、水资源管理及水利工程运行的关键技术,其重要性不言而喻。 一、水位雨量在线监测系统的基本原理 水位雨量在线监测系统主要由数据采集单元、数据传输网络、数据处理中心及用户终端四大部分构成,形成了一个完整的闭环系统。 数据采集单元:这是系统的“眼睛”,

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖