COCO Common Objects in Context

介绍

COCO是一种大规模的对象检测，分割和字幕数据集。简单说就是包括一堆图片和这些图片的解释（json格式，包含图片内容描述，特征点等），对于缺少大数据还想想学习机器学习的普通人很有帮助。COCO> 有几个特点：

• 对象分割(Object segmentation)
• 在背景下的识别(Recognition in context)
• 超像素的东西分割（Superpixel stuff segmentation
• 33万图像（> 20万有标签）
• 150万个对象实例(object instances)
• 80个对象类别(object categories)
• 91个东西类别(stuff categories)
• 每张图片5个简介(captions )
• 250,000人的关键点(keypoints)

数据集下载

Images

• 2017 Train images [118K/18GB]
• 2017 Val images [5K/1GB]
• 2017 Test images [41K/6GB]
• 2017 Unlabeled images [123K/19GB]

Annotations

• 2017 Train/Val annotations [241MB]
• 2017 Stuff Train/Val annotations [1.1GB]
• 2017 Panoptic Train/Val annotations [821MB]
• 2017 Testing Image info [1MB]
• 2017 Unlabeled Image info [4MB]

API

官方只提供Linux版本COCO API

下载

• 下载此API
• 下载数据集，解压图像放入：coco/images/
• 下载注释放入：coco/annotations/

安装：

• 对于Matlab，将coco / MatlabApi添加到Matlab路径（提供的OSX / Linux二进制文件）
• 对于Python，在coco / PythonAPI下运行“make”
• 对于Lua，在coco /下运行“luarocks make LuaAPI / rocks / coco-scm-1.rockspec”

某牛人提供Windows版本COCO API，更改了 PythonAPI/setup.py 和 PythonAPI/pycocotools/coco.py

安装：

1

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

可能需要先安装

1

pip install cython

• 在Windows上，必须安装Visual C ++ 2015构建工具。可从这里安装它们：

• 运行visualcppbuildtools_full.exe并选择默认选项：

API使用

COCO API有助于在COCO中加载，解析和可视化注释。

“ann”=注释，“cat”=类别，“img”=图像。

• getAnnIds获取满足给定过滤条件的annid。
• getCatIds获取满足给定过滤条件的cat ID。
• getImgIds获取满足给定过滤条件的img id。
• loadAnns使用指定的ID加载anns。
• loadCats使用指定的ID加载cat。
• loadImgs使用指定的id加载imgs。
• loadRes加载算法结果并创建用于访问它们的API。
• showAnns显示指定的注释。