coco数据集

coco数据集

coco格式包含5个字段信息：info, licenses, images, annotations，categories。上面3种标注类型共享的字段信息有：info、image、license。不共享的是annotation和category这两种字段，他们在不同类型的JSON文件中是不一样的。

1.1 info字段（一般用不到）

1.1.1 格式

info: {
    "year": int,# 年份
    "version": str,# 版本
    "description": str, # 数据集描述
    "contributor": str,# 提供者
    "url": str,# 下载地址
    "date_created": datetime
}

1.1.2例子

"info":{
	"description":"This is stable 1.0 version of the 2014 MS COCO dataset.",
	"url":"https:\/\/siteproxy.ruqli.workers.dev:443\/http\/mscoco.org",
	"version":"1.0","year":2014,
	"contributor":"Microsoft COCO group",
	"date_created":"2015-01-27 09:11:52.357475"
},

1.2 licenses字段（一般用不到）

1.2.1 格式

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

1.2.2 例子

{
	"url":"https:\/\/siteproxy.ruqli.workers.dev:443\/http\/creativecommons.org\/licenses\/by-nc-sa\/2.0\/",
	"id":1,
	"name":"Attribution-NonCommercial-ShareAlike License"
}

1.3 images字段

1.3.1 格式

image{
    "id": int,# 图片的ID编号（每张图片ID是唯一的）
    "width": int,#宽
    "height": int,#高
    "file_name": str,# 图片名
    #"license": int, 
    #"flickr_url": str,# flickr网路地址
    #"coco_url": str,# 网路地址路径
    #"date_captured": datetime # 数据获取日期
}

1.3.2 例子

{
	"license":3,
	"file_name":"COCO_val2014_000000391895.jpg",
	"coco_url":"https:\/\/siteproxy.ruqli.workers.dev:443\/http\/mscoco.org\/images\/391895",
	"height":360,"width":640,"date_captured":"2013-11-14 11:18:45",
	"flickr_url":"https:\/\/siteproxy.ruqli.workers.dev:443\/http\/farm9.staticflickr.com\/8186\/8119368305_4e622c8349_z.jpg",
	"id":391895
}

1.4 annotations字段 标签信息

1.4.1 格式

annotation{
    "id": int, # 对象ID，因为每一个图像有不止一个对象，所以要对每一个对象编号（每个对象的ID是唯一的）
    "image_id": int,# 对应的图片ID（与images中的ID对应）
    "category_id": int,# 类别ID（与categories中的ID对应）
    "segmentation": RLE or [polygon],# 对象的边界点（边界多边形，此时iscrowd=0）。#分割任务
    #segmentation格式取决于这个实例是一个单个的对象（即iscrowd=0，将使用polygons格式）还是一组对象（即iscrowd=1，将使用RLE格式）
    "area": float,# 区域面积
    "bbox": [x,y,width,height], # 定位边框 [x,y,w,h]，xmin ymin
    "iscrowd": 0 or 1 #见下0：segmentation就是polygon格式，1：segmentation就是RLE格式
}

每个对象（不管是iscrowd=0还是iscrowd=1）都会有一个矩形框bbox，矩形框左上角的坐标和矩形框的长宽会以数组的形式提供，数组第一个元素就是左上角的横坐标值。
polygon格式比较简单，这些数按照相邻的顺序两两组成一个点的xy坐标，如果有n个数（必定是偶数），那么就是n/2个点坐标。

1.4.2 例子

{
	"segmentation": [[510.66,423.01,511.72,420.03,510.45......]],
	"area": 702.1057499999998,
	"iscrowd": 0,
	"image_id": 289343,
	"bbox": [473.07,395.93,38.65,28.67],
	"category_id": 18,
	"id": 1768
}

1.5 categories字段 类别信息

1.5.1 格式

{
	"supercategory": str,# 主类别
    "id": int,# 类对应的id （0 默认为背景）
    "name": str # 子类别
}

1.5.2 例子

{
	"supercategory": "person",
	"id": 1,
	"name": "person"
},
{
	"supercategory": "vehicle",
	"id": 2,
	"name": "bicycle"
}