COCO数据集格式深度解析：从结构设计到标注细节的完整指南

1次阅读

共计 2045 个字符，预计需要花费 6 分钟才能阅读完成。

COCO（Common Objects in Context）数据集是计算机视觉领域最常用的基准数据集之一。它包含了超过 20 万张图像，80 个物体类别，以及丰富的标注信息，如边界框、分割掩码和关键点。COCO 数据集广泛应用于目标检测、实例分割、全景分割和姿态估计等任务，是衡量算法性能的重要标准。

COCO 数据集的核心是一个 JSON 文件，它由几个主要部分组成：

images：包含所有图像的基本信息，如 id、文件名、宽度和高度等
annotations：包含所有标注信息，如类别 id、边界框、分割掩码等
categories：定义了所有类别的信息，包括类别 id 和名称

iscrowd：这是一个重要但常被忽视的字段。当值为 1 时，表示该标注对应的是密集或难以分割的物体群（如人群），此时分割标注可能使用 RLE 格式而非多边形。
bbox：边界框坐标，格式为[x,y,width,height]，其中 x,y 表示左上角坐标。
segmentation：分割标注可以是多边形（单个或多个）或 RLE 格式。对于多边形，每个点的 x,y 坐标交替存储。

目标检测：主要使用 bbox 字段
实例分割：需要 segmentation 字段
关键点检测：包含额外的 keypoints 字段

import json
from pycocotools.coco import COCO

# 加载 JSON 文件
data_dir = "/path/to/coco"
ann_file = f"{data_dir}/annotations/instances_train2017.json"
coco = COCO(ann_file)

# 获取所有类别
cat_ids = coco.getCatIds()
categories = coco.loadCats(cat_ids)
print(f"共 {len(categories)} 个类别:")
for cat in categories:
    print(f"{cat['id']}: {cat['name']}")

# 获取所有标注
img_ids = coco.getImgIds()
ann_ids = coco.getAnnIds(imgIds=img_ids)
annotations = coco.loadAnns(ann_ids)

# 分别统计普通标注和 crowd 标注
normal_anns = [ann for ann in annotations if ann["iscrowd"] == 0]
crowd_anns = [ann for ann in annotations if ann["iscrowd"] == 1]
print(f"普通标注数量: {len(normal_anns)}")
print(f"crowd 标注数量: {len(crowd_anns)}")

from pycocotools import mask as maskUtils
import numpy as np
import matplotlib.pyplot as plt

# 选择一个标注
ann = annotations[0]

# 如果是多边形格式
if isinstance(ann["segmentation"], list):
    # 创建空白图像
    h, w = coco.imgs[ann["image_id"]]["height"], coco.imgs[ann["image_id"]]["width"]
    mask = np.zeros((h, w), dtype=np.uint8)

    # 绘制多边形
    for seg in ann["segmentation"]:
        poly = np.array(seg).reshape(-1, 2)
        plt.fill(poly[:,0], poly[:,1], color='white')

    plt.imshow(mask, cmap='gray')
    plt.show()