MS COCO数据集介绍

本文直接从实用型角度介绍下coco数据集。

以coco2014为例，下载资源以后，得到以下目录：

annotations中存放的是一大堆json文件：

（注，带person和face的是我自己制作的json文件，截图时懒得删除，可以忽略，想了解如何制作的，请看我的下一篇博客）

train2014和val2014中保存的是jpg图片，就不放截图了，点开比较卡，图片太多了，加载比较慢。

接下来着重讲一下json中保存的东西，老规矩，先上图：

这是用来train的json中保存的东西，首先json保存的是一个大的字典：

info这个key指向的字典是一些基本信息，包括时间，版本，贡献者，网址链接等不重要，可以忽略。

images这个key指向的列表（注意是列表，上面info指向的是字典）是图片信息，列表中的每一个字典下存储一张图片的信息，license、coco_url、data_captured和flickr_url这几个key指向的信息大概了解下就行，在你已经下载到原图jpg文件的情况下，这些信息基本没用。接下来就是比较重要的几个信息了，首先是file_name，指向的是一个字符串，是jpg的文件名；其次是height和width指向的是该图片的高和宽，id指向的数字可能让大家比较迷惑，这个信息非常至关键，这一串数字是每张图片特有的一个标志，数字不重复，可以看作是图片的身份信息，就像身份证那一串数字一样。

（注：接下来的图是images这个字典下面的一个字典。所以继续上图，乖乖，找到这个结合部真不容易，这个json实在是太大了，哭哭）

下一个License这个key指向的信息也可以忽略不计，就是途中被我选中标黑的那个部分。

再下一个annotations这个key是本json中最最最最最重要的一个部分了。该key指向的是一个list，然后包含多个字典，每个字典包含一个物体分割的信息。看该列表中第一个字典，segmentation指向是的一个套着两个list的东西，里面一堆数字的含义是像素级分割得到的物体边缘坐标（有心的同学会发现这里面的数字个数都是偶数，因为坐标是成对出现的）；area指向该segmentation的面积，iscrowd目前来看都指向0，表示没有重叠吧，有重叠指向1（我的理解是这样，可能有偏差，不过影响不大）；image_id就是前面images中存储的id ！读取json信息的时候会用到；bbox指向的就是物体的框；category_id指向的数字代表类别（这里说一下，有些博客说是有90类，但是从coco2014上来看，只是category_id标定到了90这个数字而已，但是实际类数只有80类，因为，1-90这数字中有一些是跳过的，即有些数字没有）；id不同于images中的id，images中的id是每幅图片的身份编号，而此处的id是每个框的身份编号，注意区分。

最后一部分依然上图：

最后categories这个key指向的是每个类别的名称和编号。