COCO数据集介绍

介绍

官网: http://cocodataset.org
https://cocodataset.org/#download
MSCOCO 是具有80个类别的大规模数据集，其数据分为三部分：训练、验证和测试，每部分分别包含 118287, 5000 和 40670张图片，总大小约25g。其中测试数据集没有标注信息，所以注释部分只有训练和验证的。
关于COCO的测试集:2017年COCO测试集包含〜40K个测试图像。 测试集被分成两个大致相同大小的split约20K的图像：test-dev 和test-challenge。

Test-Dev：test-dev split 是在一般情况下测试的默认测试数据。通常应该在test-dev集中报告论文的结果，以便公正公开比较。
Test-Challenge：test-challenge split被用于每年托管的COCO挑战。
关于COCO检测的参考文章：

MS COCO数据集输出数据的结果格式（result format）和如何参加比赛（participate）（来自官网）
下载地址：

2017 Train images [118K/18GB]：http://images.cocodataset.org/zips/train2017.zip
2017 Val images [5K/1GB]：http://images.cocodataset.org/zips/val2017.zip
2017 Test images [41K/6GB]： http://images.cocodataset.org/zips/test2017.zip
2017 Annotations：http://images.cocodataset.org/annotations/annotations_trainval2017.zip

COCO数据组织形式

其数据组织形式：

即图片分为3部分，test、train和val，图片的标注保存格式是json文件，并且是所有图片标注放在一个json文件中。
对于目标检测而言，我们需要关注的标注是annotations文件夹下的instances_train.json和instances_val.json，分别对应的是train和val图片的标注。
这两个json文件内的组织形式如下：

总体格式

{
    "info": info,#描述数据集的基本信息
    "licenses": [license],#协议，不用管
    "images": [image],#图片信息，大小，id，文件名等
    "annotations": [annotation],#标注信息，包括分割和边框信息
    "categories": [category]#类别信息，包括类别id，所属子类和类名
}

以instances_train.json为例,

info部分格式

"info":{
	"description":string"COCO 2017 Dataset"
	"url":string"http://cocodataset.org"
	"version":string"1.0"
	"year":int2017
	"contributor":string"COCO Consortium"
	"date_created":string"2017/09/01"
}

licenses部分格式

"licenses":[#8 items
	0:{#3 items
	"url":string"http://creativecommons.org/licenses/by-nc-sa/2.0/"
	"id":int1
	"name":string"Attribution-NonCommercial-ShareAlike License"
	}
	1:{...}#3 items
	2:{...}#3 items
	3:{...}#3 items
	4:{...}#3 items
	5:{...}#3 items
	6:{...}#3 items
	7:{...}#3 items
]

images部分格式

"images":
[
	{
	"license":int3
	"file_name":string"000000391895.jpg"
	"coco_url":string"http://images.cocodataset.org/train2017/000000391895.jpg"
	"height":int360
	"width":int640
	"date_captured":string"2013-11-14 11:18:45"
	"flickr_url":string"http://farm9.staticflickr.com/8186/8119368305_4e622c8349_z.jpg"
	"id":int391895
	},
	{...},
	....
]

annotations部分格式

    "annotations": [
        {
            "segmentation": [[510.66,423.01,511.72,420.03,510.45......]],
            "iscrowd": 0,
            "image_id": 1,
            "bbox": [ # x1,y1,w,h，coco的边框表示是左上角坐标加宽高
                535.0,
                371.0,
                199.0,
                181.0
            ],
            "area": 36019.0,
            "category_id": 1,
            "id": 1
        },
       	{...},
		....
  ]      

categories部分格式

    "categories": [
        {
            "supercategory": "Cancer",
            "id": 1,
            "name": "hu"
        },
        {
            "supercategory": "Cancer",
            "id": 2,
            "name": "shu"
        }
    ]

COCOapi

COCO数据集官方提供了COCO API用于更加方便地解析标注文件，在使用之前通过pip install pycocotools安装依赖。可直接查看该COCOAPI的官方文档。在使用各API前，我们需要实例化COCO类，它接受的参数为标注文件的路径，返回类的对象。COCO中的核心单元是anno。
使用COCO时，首先需要初始化COCO类，
.__init__(self, annotation_file=None)：读取val2017.json文件并解析到类中的dataset对象中去，然后.createIndex()。这里的.createIndex()步骤非常关键；

.createIndex()：会在初始化的时候，为COCO类创建了5个对象非常重要的对象：

anns：包含所有anno 的字典，key是anno的id，value是anno的值，也就是一条标注；
cats：包含所有的category的字典，key是category的id，value是对应category的一些基本信息。对于行人检测的只有一个类来说，这里只有person；
imgs：包含所image的字典，key是image_id，value是image的基本信息；
imgToAnns：image和anno的对应关系，key是image_id，value是一个包含了这张图片里所有anno的list；
catToImgs：category和image的对应关系，key是category，value是一个包含了有这个category的image的image_id；

上面的初始化之后，就可以调用以下api：

• .info(self)：打印数据集的一些基础信息，不重要；

• .getAnnIds(self, imgIds=[], catIds=[], areaRng=[], iscrow=None)：根据一条标注信息对应的image_id、cat_id、area_range、iscrowd来获得对应的id，这里iscrowd对应segmentation的格式，不重要，

• .getCatIds()：获得category id；

• .getImgIds()：根据些东西获得image_id；

• .loadAnns(self, ids=[])：根据id来获得anno；

• .loadCats(self, ids=[])：根据cat_id来获得category；

• .loadImgs(self, ids=[])：根据image_id来获得image；

• .showAnns(self, anns)：根据一条anno记录来进行可视化，但是返回值是None，没什么用。看吧，我就说COCO疏于维护（怕不是写api的实习生实习结束了，手动斜眼）；

• .loadRes(self, resFile)：是我们最常用的也是最重要的方法。它做了以下工作：
  1）初始化另一个COCO类DT（以下用DT指代检测类），用于存储检测数据；
  2）将GT的所有image赋给DT，也就是DT所有的image和GT是完全一样的；
  3）读取由我们自己生成的结果.json文件，并且判断结果.json文件必须是完全被GT的image包含的；
  4）依次为DT类生成caption、bbox、segmention、keypoints，并且，重写DT类里所有anno的id，也就是不管我们有没有在我们的结果文件里生成id，它都会在这里重写这些id以保证id的唯一性；
  5）返回需要的DT；

这部分参考：https://zhuanlan.zhihu.com/p/135355550