MS COCO数据集介绍

MS COCO全称是Microsoft Common Objects in Context，是由微软开发维护的大型图像数据集，包括不同检测任务：

Object Detection（[主要处理人、车、大象等]）

在这里插入图片描述

DensePose（姿态密度检测）

在这里插入图片描述

Keypoints（关键点检测）

在这里插入图片描述

Stuff（[主要处理草、墙、天等]）

在这里插入图片描述

Panoptic（场景分割）

在这里插入图片描述

Captions（字幕标注）

在这里插入图片描述

MS COCO数据格式

MS COCO使用JSON存储标注数据
所有MS COCO的标注数据第一层都至少包含以下四个对象，不同检测任务的annotations不同且部分检测任务还包含一个categories（JSON第一层即包含五个对象）

{
	"info": info, 
	"images": [image], 
	"annotations": [annotation], 
	"licenses": [license],
}

这里以关键点检测的验证集为例，查看它的json内容

import json
json_path = r"D:\Python\Jupyter\pytorch\yolov8\MS COCO\annotations\person_keypoints_val2017.json"
json_labels = json.load(open(json_path, "r"))

第一层结构如下，包含info、licenses、images、annotations、categories，共五个对象

在这里插入图片描述

info保存数据集的信息

在这里插入图片描述

licenses保存数据集的许可协议

在这里插入图片描述

images保存每张图片的信息，如图片文件名、宽、高等信息

在这里插入图片描述

annotations保存标注信息：

参数	参数含义
`segmentation`	保存polygon数据
`num_keypoints`	表示给定对象的标记关键点数量（对象集合或小对象的`num_keypoints`值为0）
`area`	保存目标面积
`iscrowd`	值为0表示单个对象，值为1表示对象集合
`keypoints`	是一个长度为3k的数组，其中k是定义的关键点类别总数（在MS COCO中k=17）。每个关键点按顺序依次存储横坐标x，纵坐标y和关键点可见性v。v=0：未标记（此情况下，x=y=0），v=1：标记但不可见，v=2：标记且可见。如果关键点位于上面`segmentation`的框内，则该关键点被视为可见
`image_id`	表示MS COCO数据集的图片id
`bbox`	保存边界框(bounding box)左上角点的横纵坐标、宽度和高度
`category_id`	表示类别id
`id`	表示label的id，也就是每一个label（人、等车实例对应的bbox）都有一个和它一一对应的id。一个`image_id`可以对应多个`id`（一张图片上有多个label），而一个`id`只能对应一个`image_id`

在这里插入图片描述

categories保存类别信息：

在这里插入图片描述

关键点检测的JSON结构如下：

{
	"info" : {
		"year" : int, 
		"version" : str, 
		"description" : str, 
		"contributor" : str, 
		"url" : str, 
		"date_created" : datetime,
	},
	"licenses" : {
        "id" : int, 
        "name" : str, 
        "url" : str,
    },
	"images" : {
        "id" : int, 
        "width" : int, 
        "height" : int, 
        "file_name" : str, 
        "license" : int, 
        "flickr_url" : str, 
        "coco_url" : str, 
        "date_captured" : datetime,
    }, 
	"annotations" : {
		"segmentation" : RLE or [polygon],
		"num_keypoints" : int,
		"area" : float,
		"iscrowd" : 0 or 1,
		"keypoints" : [x1,y1,v1,...],
		"image_id" : int,
		"bbox" : [x,y,width,height],
		"category_id" : int,
		"id" : int,
	}, 
	"categories" : {
		"supercategory" : str,
		"id" : int,
		"name" : str,
        "keypoints" : [str], 
        "skeleton" : [edge], 
	},
}