一、背景

coco anationtions是coco数据集提供的数据标签，coco result是预测的结果的形式，方便用pycocotools计算模型的map等指标。

二、两种数据形式对比

1. coco anationtions的形式

以person_keypoints_val2017.json为例。整体结构如下图

• 是一个字典

• 包含info、licenses、images、annotations和categories

• info是对val2017数据集的介绍；licenses是数据集中的图片的license。
  

• images 列表形式，每一个元素是一个字典。
  需要关注file_name、height、width、id。file_name和id是一一对应的，filename是id前面补0到12位的表现的形式。height、width表示图像的宽和高
  

• annotations 列表形式，每一个元素是一个字典。
  image_id对应images中的id,image_id将图片和标签信息联系起来
  bbox是目标框的位置信息，列表形式[xmin, ymin, width, height]
  keypoints关键点信息。数据格式[x1,y1,v1,x2,y2,v2,…,x17,y17,v17].表示17个关键点的坐标及可见性。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. v > 0 的关键点的个数
  

• categories
  

2. coco result的形式

列表形式。其中的每个元素是一个字典。
bbox:预测框的位置信息。列表形式[xmin, ymin, width, height]。当一个图片中有多个检测框时，新建一个字典表示
keypoints预测关键点信息。数据格式[x1,y1,socre1,x2,y2,socre2,…,x17,y17,socre17]。