COCO数据集

2022-08-15 17:02:59 阅读：214 来源： 互联网

1、基本介绍

MSCOCO 是具有80个类别的大规模数据集，其数据分为三部分：训练、验证和测试，每部分分别包含 118287, 5000 和 40670张图片，总大小约25g。其中测试数据集没有标注信息，所以注释部分只有训练和验证的。
关于COCO的测试集:2017年COCO测试集包含〜40K个测试图像。测试集被分成两个大致相同大小的split约20K的图像：test-dev 和test-challenge。

Test-Dev：test-dev split 是在一般情况下测试的默认测试数据。通常应该在test-dev集中报告论文的结果，以便公正公开比较。
Test-Challenge：test-challenge split被用于每年托管的COCO挑战

1.1 anatation介绍

图片分为3部分，test、train和val
图片的标注类型分3种：object instances（目标实例）, object keypoints（目标上的关键点）, 和image captions；保存格式是json文件，并且是所有图片标注放在一个json文件中
对于目标检测而言，我们需要关注的标注是annotations文件夹下的instances_train.json和instances_val.json，分别对应的是train和val图片的标注
instances_train.json格式：
3种标注类型的"info","licenses","images" 格式是一样的，且定义是共享的。不共享的是annotations这种结构体，它在不同类型的JSON文件中是不一样的
person_keypoints_train2017.json格式：
captions_train2017.json格式

2、COCO-API介绍使用

1、安装依赖包

pip install pycocotools

查询json信息，主要有2中方式一种是coco.imgs/cats/anns，结果为dict，key为各类别的id；另外一种是通过coco.dataset(['categories'])/images/annotations 返回各类型的list；其他用法见：https://github.com/cocodataset/cocoapi/blob/master/PythonAPI/pycocoDemo.ipynb

>>> from pycocotools.coco import COCO
>>> anno_file="/home/pengyoucou/Data/coco/coco2017/annotations/instances_train2017.json"
>>> coco_train = COCO(anno_file)
loading annotations into memory...
Done (t=11.43s)
creating index...
index created!
>>> dir(coco_train)
['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'annToMask', 'annToRLE', 'anns', 'catToImgs', 'cats', 'createIndex', 'dataset', 'download', 'getAnnIds', 'getCatIds', 'getImgIds', 'imgToAnns', 'imgs', 'info', 'loadAnns', 'loadCats', 'loadImgs', 'loadNumpyAnnotations', 'loadRes', 'showAnns']
>>> len(coco_train.imgs)
118287
>>> coco_train.imgs[0]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
KeyError: 0
>>> type(coco_train.imgs)
<class 'dict'>
>>> type(coco_train.dataset["images"])
<class 'list'>
>>> coco_train.dataset["images"][0]
{'license': 3, 'file_name': '000000391895.jpg', 'coco_url': 'http://images.cocodataset.org/train2017/000000391895.jpg', 'height': 360, 'width': 640, 'date_captured': '2013-11-14 11:18:45', 'flickr_url': 'http://farm9.staticflickr.com/8186/8119368305_4e622c8349_z.jpg', 'id': 391895}
>>> coco_train.imgs[391895]
{'license': 3, 'file_name': '000000391895.jpg', 'coco_url': 'http://images.cocodataset.org/train2017/000000391895.jpg', 'height': 360, 'width': 640, 'date_captured': '2013-11-14 11:18:45', 'flickr_url': 'http://farm9.staticflickr.com/8186/8119368305_4e622c8349_z.jpg', 'id': 391895}
>>>

参考：https://blog.csdn.net/yanghao201607030101/article/details/112575770

标签：__,jpg,coco,json,train,COCO,数据
来源： https://www.cnblogs.com/pyclq/p/16588857.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

COCO数据集

1、基本介绍

1.1 anatation介绍

2、COCO-API介绍使用