一文读懂COCO数据集

        MS COCO的全称是Microsoft Common Objects in Context，起源于是微软于2014年出资标注的Microsoft COCO数据集，与ImageNet 竞赛一样，被视为是计算机视觉领域最受关注和最权威的比赛之一。
        当在ImageNet竞赛停办后，COCO竞赛就成为是当前目标识别、检测等领域的一个最权威、最重要的标杆，也是目前该领域在国际上唯一能汇集Google、微软、Facebook以及国内外众多顶尖院校和优秀创新企业共同参与的大赛。 
        该数据集主要解决3个问题：目标检测，目标之间的上下文关系，目标的2维上的精确定位。COCO数据集有91类，虽然比ImageNet和SUN类别少，但是每一类的图像多，这有利于获得更多的每类中位于某种特定场景的能力，对比PASCAL VOC，其有更多类和图像。

COCO数据集的下载

官网地址：http://cocodataset.org/#download

1、2014年数据集的下载

train2014：http://images.cocodataset.org/zips/train2014.zip
val2014：http://images.cocodataset.org/zips/val2014.zip

http://msvocds.blob.core.windows.net/coco2014/train2014.zip

2、2017的数据集的下载

http://images.cocodataset.org/zips/train2017.zip
http://images.cocodataset.org/annotations/annotations_trainval2017.zip

http://images.cocodataset.org/zips/val2017.zip
http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip

http://images.cocodataset.org/zips/test2017.zip
http://images.cocodataset.org/annotations/image_info_test2017.zip

train2017	train2017：http://images.cocodataset.org/zips/train2017.zip train2017 annotations：http://images.cocodataset.org/annotations/annotations_trainval2017.zip
val2017	val2017：http://images.cocodataset.org/zips/val2017.zip val2017 annotations：http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
test2017	test2017：http://images.cocodataset.org/zips/test2017.zip test2017 info：http://images.cocodataset.org/annotations/image_info_test2017.zip

COCO数据集概述

COCO的全称是Common Objects in Context，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。其行业地位就不再多少了，本文主要梳理一下该数据集包含的内容。下图是官网给出的可下载的数据集（更新时间2020年01月09日），从这里可看出其数据集主要包括有标注的和无标注的数据：

• 2014：训练集 + 验证集 + 测试集
• 2015：测试集
• 2017：训练集 + 验证集 + 测试集

PK的内容包括：目标检测与实例分割、人体关键点检测、材料识别、全景分割、图像描述

目标检测/实例分割数据标注文件解析

以“2014 Train/Val annotations”标注文件为例，下图是下载下来后其包括的注释文件内容，包括三类文件：captions为图像描述的标注文件、instances为目标检测与实例分割的标注文件、person_keypoints为人体关键点检测的标注文件。建议下载下来后可以自行打开查看，因为注释文件比较大，因此建议用专业软件打开，速度快且不丢数据，例如：Dadroit Viewer软件是我所使用的。

其注释文件中的内容就是一个字典数据结构，包括以下5个key-value对。其中info、images、licenses三个key是三种类型标注文件共享的，最后的annotations和categories按照不同的任务有所不同，下面详细介绍一下每个key字段的含义。

（一）info字段：包括下图中的内容，很好理解，这里就不赘述了。

（二）licenses字段：包括下图中的内容，里面集合了不同类型的licenses，并在images中按照id号被引用，基本不参与到数据解析过程中。

（三）images字段：包括下图中的内容，对应了每张图片的详细信息，其中的id号是被分配的唯一id

（四）categories字段：包括下图中的内容。其中supercategory是父类，name是子类，id是类别id（按照子类统计）。比如下图中所示的。coco数据集共计有80个类别（按照name计算的）

（五）annotations字段：包括下图中的内容，每个序号对应一个注释，一张图片上可能有多个注释。

• category_id：该注释的类别id；
• id：当前注释的id号
• image_id：该注释所在的图片id号
• area：区域面积
• bbox：目标的矩形标注框
• iscrowd：0或1。0表示标注的单个对象，此时segmentation使用polygon表示；1表示标注的是一组对象，此时segmentation使用RLE格式。
• segmentation：
• 若使用polygon标注时，则记录的是多边形的坐标点，连续两个数值表示一个点的坐标位置，因此此时点的数量为偶数
• 若使用RLE格式（Run Length Encoding（行程长度压缩算法））

RLE算法概述
将图像中目标区域的像素值设定为1，背景设定为0，则形成一个张二值图，该二值图可以使用z字形按照位置进行
编码，例如：0011110011100000……
但是这样的形式太复杂了，可以采用统计有多少个0和1的形式进行局部压缩，因此上面的RLE编码形式为：
2-0-4-1-2-0-3-1-5-0……（表示有2个0,4个1,2个0,3个1,5个0）

参考：

https://zhuanlan.zhihu.com/p/101984674

https://blog.csdn.net/u014297502/article/details/124846561

http://www.360doc.com/content/12/0121/07/77158047_997502625.shtml