即墨区城乡建设局网站官网,濮阳市城乡一体化示范区,贾汪网站建设,网站运营管理主要内容MS COCO数据集介绍
MS COCO全称是Microsoft Common Objects in Context#xff0c;是由微软开发维护的大型图像数据集#xff0c;包括不同检测任务#xff1a;
Object Detection#xff08;[主要处理人、车、大象等]#xff09; DensePose#xff08;姿态密度检测…MS COCO数据集介绍
MS COCO全称是Microsoft Common Objects in Context是由微软开发维护的大型图像数据集包括不同检测任务
Object Detection[主要处理人、车、大象等] DensePose姿态密度检测 Keypoints关键点检测 Stuff[主要处理草、墙、天等] Panoptic场景分割 Captions字幕标注 MS COCO数据格式
MS COCO使用JSON存储标注数据 所有MS COCO的标注数据第一层都至少包含以下四个对象不同检测任务的annotations不同且部分检测任务还包含一个categoriesJSON第一层即包含五个对象
{info: info, images: [image], annotations: [annotation], licenses: [license],
}这里以关键点检测的验证集为例查看它的json内容
import json
json_path rD:\Python\Jupyter\pytorch\yolov8\MS COCO\annotations\person_keypoints_val2017.json
json_labels json.load(open(json_path, r))第一层结构如下包含info、licenses、images、annotations、categories共五个对象 info保存数据集的信息 licenses保存数据集的许可协议 images保存每张图片的信息如图片文件名、宽、高等信息 annotations保存标注信息
参数参数含义segmentation保存polygon数据num_keypoints表示给定对象的标记关键点数量对象集合或小对象的num_keypoints值为0area保存目标面积iscrowd值为0表示单个对象值为1表示对象集合keypoints是一个长度为3k的数组其中k是定义的关键点类别总数在MS COCO中k17。每个关键点按顺序依次存储横坐标x纵坐标y和关键点可见性v。v0未标记此情况下xy0v1标记但不可见v2标记且可见。如果关键点位于上面segmentation的框内则该关键点被视为可见image_id表示MS COCO数据集的图片idbbox保存边界框(bounding box)左上角点的横纵坐标、宽度和高度category_id表示类别idid表示label的id也就是每一个label人、等车实例对应的bbox都有一个和它一一对应的id。一个image_id可以对应多个id一张图片上有多个label而一个id只能对应一个image_id categories保存类别信息 关键点检测的JSON结构如下
{info : {year : int, version : str, description : str, contributor : str, url : str, date_created : datetime,},licenses : {id : int, name : str, url : str,},images : {id : int, width : int, height : int, file_name : str, license : int, flickr_url : str, coco_url : str, date_captured : datetime,}, annotations : {segmentation : RLE or [polygon],num_keypoints : int,area : float,iscrowd : 0 or 1,keypoints : [x1,y1,v1,...],image_id : int,bbox : [x,y,width,height],category_id : int,id : int,}, categories : {supercategory : str,id : int,name : str,keypoints : [str], skeleton : [edge], },
}参考资料
https://cocodataset.org/#format-dataMS COCO数据集介绍以及pycocotools简单使用MSCOCO api详解 —— Keypoints目标检测数据集MSCOCO详解
