MS COCO数据集标注格式解析

最新推荐文章于 2025-07-10 09:44:41 发布

原创

最新推荐文章于 2025-07-10 09:44:41 发布 · 6k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#coco #json

本文详细解析了MS COCO数据集的标注格式，包括images、licenses、object instances和object keypoints等任务的结构。重点讲解了annotation字段中的segmentation（根据iscrowd区分polygon和RLE格式）、bbox（矩形框坐标）、area（标注区域面积）以及keypoints（关键点坐标及状态）。同时介绍了category字段中的category id、supercategory name以及keypoints和skeleton的含义。COCO关键点检测任务涉及18个关键点，与MPI的15个有所不同。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

COCO是微软提供的一个图像识别的数据集。其中包括3个tasks，分别是object instances, object keypoints, 和image captions，存储格式为JSON。

基本的数据结构定义如下：

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

info{
"year" : int, "version" : str, "description" : str, "contributor" : str, "url" : str, "date_created" : datetime,
}

image{
"id" : int, "width" : int, "height" : int, "file_name" : str, "license" : int, "flickr_url" : str, "coco_url" : str, "date_captured" : datetime,
}

license{
"id" : int, "name" : str, "url" : str,
}

其中images和licenses是包含多个实例的数组。

三个tasks的格式相近，这里以一段object keypoints的实例代码为例进行解析。

{
"info" : info, "images" : [image], "annotations" : [annotation], "licenses" : [license],
}
"info":{
	"description":"This is stable 1.0 version of the 2014 MS COCO dataset.",
	"url":"http:\/\/mscoco.org",
	"version":"1.0","year":2014,
	"contributor":"Microsoft COCO group",
	"date_created":"2015-01