COCO标注格式

详细解说可以看这个视频：COCO File Format

COCO的标注文件分为如下5个部分：

annotation = {
    'info': {},
    'licenses': [],
    'images': [],
    'annotations': [],
    'categories': []
}

annotation[‘info’]

info部分记录了整个数据集的名称、URL、版本、时间等基本信息。不包含具体的数据信息。例如：

annotation['info'] = {
	'description': 'COCO 2017 Dataset',
	'url': 'http://cocodataset.org',
	'version': '1.0',
	'year': 2017,
	'contributor': 'COCO Consortium',
	'date_created': '2017/09/01'
}

annotation[‘licenses’]

licenses部分记录了数据集中的数据遵循了哪些license。不包含具体的数据信息。例如：

annotation['licenses'] = [
	{
		'url': '',
		'id': 1,
		'name': 
	},
	{
		'url': '',
		'id': 2,
		'name': 
	},
	{
		'url': '',
		'id': 3,
		'name': 
	}
]

annotations[‘images’]

images部分记录了每幅图像的基础信息，包括遵循的license、文件名、COCO URL、宽高、采集时间、flickr URL、id。通过id可以在后面的annotation部分查询到该图像的标注信息。

annotations['images'] = [
	{
		'license': 1,
		'file_name': '000000397133.jpg',
		'coco_url': 'http://images.cocodataset.org/val2017/000000397133.jpg',
		'height': 427,
		'width': 640,
		'date_captured': '2013-11-14 17:02:52',
		'flickr_url': 'http://farm7.staticflickr.com/6116/6255196340_da26cf2c9e_z.jpg',
		'id': 397133
	},
	...
]

annotation[‘annotations’]

annotations部分记录了标注信息，包括segmentation、bbox、面积（area）、是否为群体（iscrowd）、image_id、类别（category_id）、instance id（id）。
注意，这里的’image_id’对应的是前面images部分的’id’，而这里的’id’指的是每个instance的’id’。
每个dict记录的是一个instance的标注，而不是整幅图像。

annotation['annotations'] = [
	{
		'segmentation': []
		'area': 702.1057
		'iscrowd': 0
		'image_id': 289343
		'bbox': [473.07, 395.93, 38.65, 28.67]
		'category_id': 18
		'id': 1768
	},
	{
		'segmentation':
		'area':
		'iscrowd':
		'image_id':
		'bbox':
		'category_id':
		'id':
	},
	...
]

详解：
segmentation
该部分标注的是分割任务所需的mask。
注意，一个segmentation中可能包含不止一个mask，原因是一个instance可能被遮挡，从而对应多个mask（例如大象被树干挡住，从而变成了两部分）。
mask有两种标注方式。一种方式是多边形标注（polygon），其中每一个list都对应一个多边形，形式如下：

{
...
	'segmentation': [
		[x00, y00, x01, y01,..., x0n, y0n],
		[x10, y10, x11, y11,..., x1n, y1n],
		...
	]
...
}

另一种方式是run-length encoding（RLE），通常用于标注iscrowd为1的instance，形式如下（其中’counts’的具体解释请看最上面的视频链接）：

{
...
	'segmentation': {
		'size': [height, width],
		'counts': [b0, f0, b1, f1, ...]
	}
...
}

bbox
bbox标注的是instance的包围框（bounding box），其格式是：[x, y, width, height]
area
mask覆盖的面积（像素总数），可用来筛选不同面积的instance。
image_id
对应于前面’images’部分的’id’，用来唯一标识一幅图像。
id
用来唯一标识一个instance。
category_id
对应于后面’categories’部分的’id’，用来唯一标识一个类别。

annotation[‘categories’]

annotation['categories'] = [
	{
		'supercategory': 'vehicle',
		'id': 2,
		'name': 'bicycle'
	},
	{
		'supercategory': 'animal',
		'id': 22,
		'name': 'elephant'
	}
	...
]

全部类别如下：

supercategory	subcategory	id
person	person	1
vehicle	bicycle	2
vehicle	car	3
vehicle	motorcycle	4
vehicle	airplane	5
vehicle	bus	6
vehicle	train	7
vehicle	truck	8
vehicle	boat	9
outdoor	traffic light	10
outdoor	fire hydrant	11
outdoor	stop sign	13
outdoor	parking meter	14
outdoor	bench	15
animal	bird	16
animal	cat	17
animal	dog	18
animal	horse	19
animal	sheep	20
animal	cow	21
animal	elephant	22
animal	bear	23
animal	zebra	24
animal	giraffe	25
accessory	backpack	27
accessory	umbrella	28
accessory	handbag	31
accessory	tie	32
accessory	suitcase	33
sports	frisbee	34
sports	skis	35
sports	snowboard	36
sports	sports ball	37
sports	kite	38
sports	baseball bat	39
sports	baseball glove	40
sports	skateboard	41
sports	surfboard	42
sports	tennis racket	43
kitchen	bottle	44
kitchen	wine glass	46
kitchen	cup	47
kitchen	fork	48
kitchen	knife	49
kitchen	spoon	50
kitchen	bowl	51
food	banana	52
food	apple	53
food	sandwich	54
food	orange	55
food	broccoli	56
food	carrot	57
food	hot dog	58
food	pizza	59
food	donut	60
food	cake	61
furniture	chair	62
furniture	couch	63
furniture	potted plant	64
furniture	bed	65
furniture	dining table	67
furniture	toilet	70
electronic	tv	72
electronic	laptop	73
electronic	mouse	74
electronic	remote	75
electronic	keyboard	76
electronic	cell phone	77
appliance	microwave	78
appliance	oven	79
appliance	toaster	80
appliance	sink	81
appliance	refrigerator	82
indoor	book	84
indoor	clock	85
indoor	vase	86
indoor	scissors	87
indoor	teddy bear	88
indoor	hair drier	89
indoor	toothbrush	90