adodb.connection id password windows用户_COCO 数据集格式 和 windows 下 pycocotools

COCO数据集格式

COCO的全称是Objects in Context，是微软推出的数据集，用于进行物体检测、分割、关键点检测、添加字幕等。

数据的标注通过字典进行组织，保存在json文件中，json文件最主题的结构如下：

{
    

文件只包含5个字段：

info 和 licenses 并不重要，下面介绍剩下三个字段。

• images 字段

{
    

上面比较重要的字段为 file_name 用于读取图片，id表示图像的id。

• annotations 字段

{
    "id": int,
    "image_id": int,
    "category_id": int,
    "segmentation": RLE or [polygon],
    "area": float,
    "bbox": [x,y,width,height],
    "iscrowd": 0 or 1
}

上述字段中 segmentation 表示分割，用多边形顶点（iscrowd为0）或者mask编码（iscrowd为1）后表示。

bbox表示目标的框。

image_id 与 category_id 对应了标记所述的图像和类别。

• categories 字段

{
    "id": int,
    "name": str,
    "supercategory": str,
}

以上为目标检测和分割的标记，COCO数据集还提供关键点检测、image caption的标记，具体格式可以参见：

COCO 标注详解_911的专栏-优快云博客​blog.youkuaiyun.com

pycocotools

通过观察可以发现，COCO数据集中包含三种id：图像id、标注id、类别id，解析COCO数据的关键就是可以通过一种id，找到和该id相关的其他数据，例如通过图像id找到该图像的标注。

在windows安装pycocotools可以使用以下的命令：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

下面通过使用Mnist合成的目标检测数据集，展示该工具的原理。

加载标注数据

from 

读取数据的id

imgIds = coco.getImgIds() # 获取所有的image id，可以选择参数 coco.getImgIds(imgIds=[], catIds=[])
imgIds = coco.getImgIds(imgIds=[0, 1, 2]) # 获得image id 为 0，1，2的图像的id
imgIds = coco.getImgIds(catIds=[0, 1, 2]) # 获得包含类别 id 为0，1，2的图像

annIds = coco.getAnnIds(catIds=[0, 1, 2]) # 获得类别id为0，1，2的标签
annIds = coco.getAnnIds(imgIds=imgIds[0]) # 获得和image id对应的标签

catIds = coco.getCatIds(catNms=['0']) # 通过类别名筛选
catIds = coco.getCatIds(catIds=[0, 1, 2]) # 通过id筛选
catIds = coco.getCatIds(supNms=[]) # 通过父类的名筛选

通过id加载对应的数据（类别、标签、图像）

print('类别信息')
cats_name = coco.loadCats(ids=catIds)
print(cats_name)

print('n标签信息:')
anns = coco.loadAnns(annIds)
bboxes = np.array([i['bbox'] for i in anns]).astype(np.int32)
cats = np.array([i['category_id'] for i in anns])
print(anns)
print('n从标签中提取的Bounding box:')
print(bboxes)

print('图像')
imgIdx = imgIds[0]
img = coco.loadImgs([imgIdx]) # 读取图片信息
img = cv.imread('./train/' + img[0]['file_name'])
# 绘制bounding box
for i in range(len(bboxes)):
    p1 = bboxes[i][0:2]
    p2 = bboxes[i][0:2] + bboxes[i][2:4]
    
    cv.rectangle(img, (p1[0], p1[1]), (p2[0], p2[1]), (255, 0, 0))
plt.figure(figsize=(8, 8))
plt.imshow(img)
plt.show()

加载的数据如下图所示：

总结来说使用coco加载数据步骤如下：

获得图像id，通过图像id获得图像对应标签的id，加载图像和对应标签，就可以作为网络的输入进行训练了。