在計算機視覺中，這些任務(wù)有著巨大的用途，例如用于自動駕駛車輛（檢測人和其他車輛）、基于人工智能的安全性（人體檢測和/或分割）和對象重新識別（對象分割或?qū)嵗指钊コ尘坝兄跈z查對象身份）。

COCO數(shù)據(jù)格式

基本結(jié)構(gòu)和常見元素_COCO 注釋使用的文件格式是 JSON，她有字典（大括號內(nèi)的鍵值對{…}）作為頂部值，她還可以有列表（括號內(nèi)的有序項目集合，[…]）或嵌套在其中的字典。

{  "info": {…},  "licenses": […],  "images": […],  "categories": […],  "annotations": […]}

讓我們仔細(xì)看看基本結(jié)構(gòu)中的每一個部分。

“info”部分_

該字典包含有關(guān)數(shù)據(jù)集的元數(shù)據(jù)，對于官方的 COCO 數(shù)據(jù)集，如下_

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

如我們所見，她僅包含基本信息，"url"值指向數(shù)據(jù)集官方網(wǎng)站（例如 UCI 存儲庫頁面或在單獨域中），這是機器學(xué)習(xí)數(shù)據(jù)集中常見的事情，指向他們的網(wǎng)站以獲取更多信息，例如獲取數(shù)據(jù)的方式和時間。

“l(fā)icenses”部分_

以下是數(shù)據(jù)集中圖像許可的鏈接，例如知識共享許可，具有以下結(jié)構(gòu)_

[  {    "url": "creativecommons.org/licenses/by-nc-sa/2.0/",     "id": 1,     "name": "Attribution-NonCommercial-ShareAlike License"  },  {    "url": "creativecommons.org/licenses/by-nc/2.0/",     "id": 2,     "name": "Attribution-NonCommercial License"  },  …]

這里要注意的重要一點是"id"字段_"images"字典中的每個圖像都應(yīng)該指定其許可證的“id”。

在使用圖像時，請確保沒有違反其許可_可以在 URL 下找到全文。

如果我們決定創(chuàng)建自己的數(shù)據(jù)集，請為每個圖像分配適當(dāng)?shù)脑S可_如果我們不確定，最好不要使用該圖像。

“image”部分_

可以說是第二重要的，這本字典包含有關(guān)圖像的元數(shù)據(jù)_

{  "license": 3,  "file_name": "000000391895.jpg",  "coco_url": "images.cocodataset.org/train2017/000000391895.jpg",  "height": 360,  "width": 640,  "date_captured": "2013–11–14 11:18:45",  "flickr_url": "farm9.staticflickr/8186/8119368305_4e622c8349_z.jpg",  "id": 391895}

接下來我們看一下這些字段_

"id"領(lǐng)域是最重要的領(lǐng)域，這是用于"annotations"識別圖像的編號，因此如果我們想識別給定圖像文件的注釋，則必須在"圖像"中檢查相應(yīng)圖像文檔的“id”，然后在“注釋”中交叉引用她。

在官方COCO數(shù)據(jù)集中"id"與"file_name"相同。需要注意的是，自定義 COCO數(shù)據(jù)集可能不一定是這種情況！這不是強制的規(guī)則，例如由私人照片制成的數(shù)據(jù)集可能具有與沒有共同之處的原始照片名稱"id"。

"categories"部分_

本部分對于對象檢測和分割任務(wù)以及對于實例分割任務(wù)有點不同。

對象檢測/對象分割_

[  {"supercategory": "person", "id": 1, "name": "person"},  {"supercategory": "vehicle", "id": 2, "name": "bicycle"},  {"supercategory": "vehicle", "id": 3, "name": "car"},  …  {"supercategory": "indoor", "id": 90, "name": "toothbrush"}]

這些是可以在圖像上檢測到的對象類別（"categories"在 COCO 中是類別的另一個名稱，我們可以從監(jiān)督機器學(xué)習(xí)中了解到）。

每個類別都有一個唯一的"id"，她們應(yīng)該在 [1，number of categories] 范圍內(nèi)。類別也分為“超類別”，我們可以在程序中使用她們，例如，當(dāng)我們不關(guān)心是自行車、汽車還是卡車時，一般檢測車輛。

實例分割_

[  {"supercategory": "textile", "id": 92, "name": "banner"},  {"supercategory": "textile", "id": 93, "name": "blanket"},  …  {"supercategory": "other", "id": 183, "name": "other"}]

類別數(shù)從高開始以避免與對象分割沖突，因為有時這些任務(wù)可以一起執(zhí)行。從 92 到 182 的 ID 是實際的背景素材，而 ID 183 代表所有其他沒有單獨類的背景紋理。

“annotations”部分_

這是數(shù)據(jù)集最重要的部分，其中包含對特定 COCO 數(shù)據(jù)集的每個任務(wù)至關(guān)重要的信息。

{  "segmentation":  [[    239.97,    260.24,    222.04,    …  ]],  "area": 2765.1486500000005,  "iscrowd": 0,  "image_id": 558840,  "bbox":  [    199.84,    200.46,    77.71,    70.88  ],  "category_id": 58,  "id": 156}

在處理人群圖像 ( "iscrowd": 1) 時，該"segmentation"部分可能會有所不同_

"segmentation":{  "counts": [179,27,392,41,…,55,20],  "size": [426,640]}

這是因為對于許多像素，明確列出所有像素創(chuàng)建分割掩碼將占用大量空間，相反，COCO使用自定義的運行長度編碼（RLE）壓縮，這是非常有效的，因為分段掩碼是二進(jìn)制的，僅0和1的RLE可能會將大小減小很多倍。

總結(jié)

我們探討了用于最流行任務(wù)的COCO數(shù)據(jù)集格式_對象檢測、對象分割和實例分割。COCO官方數(shù)據(jù)集質(zhì)量高、規(guī)模大，適合初學(xué)者項目、生產(chǎn)環(huán)境和最新研究。我希望本文能夠幫助小伙伴理解如何解釋這種格式，并將其用于小伙伴的ML應(yīng)用程序。