今天准备看看coco数据集到底长啥样，还有其标注格式是什么样的，怀着好奇心，开始百度，于是来到知乎~
感谢知乎给我释疑了~
参考知乎：https://zhuanlan.zhihu.com/p/29393415
这里做个记录以免忘记~
一、下载coco2017数据集
官网下载实在是太慢了，而且打不开
链接：http://mscoco.org/
后来找到这哥们的镜像，很快哟~（想打赏，但是二维码扫不出来是什么鬼）
链接：https://blog.csdn.net/weixin_43599336/article/details/86533575
下载完之后，解压一下标注文件，可以看到以下内容：
虽然是6个文件，但是就是三种啦，因为对应train和val
这三种分别为：captions、instances 和 person_keypoints
如果你要打开看的话，建议是打开那个val2017结尾的，因为比较小一点，不然卡死~
我是把它复制到json在线格式验证的平台：http://www.bejson.com/
看着舒服多了~
下面就一一来讲解标注文件吧~
二、标注文件说明
对标注文件进行说明之前，先讲下coco2017数据集的由来吧~
COCO 的全称是Common Objects in COntext，是微软团队提供的一个可以用来进行图像识别的数据集。MS COCO数据集中的图像分为训练、验证和测试集。COCO通过在Flickr上搜索80个对象类别和各种场景类型来收集图像，其使用了亚马逊的Mechanical Turk（AMT）
Flickr网址：http://blog.flickr.net/en
Mechanical Turk（AMT） 网址：https://www.mturk.com/
（这是一个众包平台，我还注册了一个）
json数据结构
captions.json数据包含的键如下：
{
"info": info,
"licenses": [license],
"images": [image],
"annotations": [annotation]
}
instances.json数据包含的键如下：
{
"info": info,
"licenses": [license],
"images": [image],
"annotations": [annotation],
"categories": [category]
}
person_keypoints.json数据包含的键如下：
{
"info": info,
"licenses": [license],
"images": [image],
"annotations": [annotation],
"categories": [category]
}
那我们就开始来说异同点吧~
object instances（目标实例）、object keypoints（目标上的关键点）、image captions（看图说话）这3种类型共享这些基本类型：info、image、license
{
"info": info,
"licenses": [license],
"images": [image]
}
其中：
"info":{
"description":"This is stable 1.0 version of the 2014 MS COCO dataset.",
"url":"http:\/\/mscoco.org",
"version":"1.0","year":2014,
"contributor":"Microsoft COCO group",
"date_created":"2015-01-27 09:11:52.357475"
},
"license":[{
"url":"http:\/\/creativecommons.org\/licenses\/by-nc-sa\/2.0\/",
"id":1,
"name":"Attribution-NonCommercial-ShareAlike License"
},...]
"images":[{
"license":3,
"file_name":"COCO_val2014_000000391895.jpg",
"coco_url":"http:\/\/mscoco.org\/images\/391895",
"height":360,"width":640,"date_captured":"2013-11-14 11:18:45",
"flickr_url":"http:\/\/farm9.staticflickr.com\/8186\/8119368305_4e622c8349_z.jpg",
"id":391895
},...]
那这个captions.json中的那个annotation键对应的是啥呢？
看：就是图片的描述
"annotations":[{
"image_id": 179765,
"id": 38,
"caption": "A black Honda motorcycle parked in front of a garage."
},...]
好了，那 captions.json 就解决了~
再来看这个instance.json，这里面剩下的annotations 和 categories长啥样呢？
{
"annotations": [annotation],
"categories": [category]
}
其中：
"annotation":[{
"id": int,
"image_id": int,
"category_id": int,
"segmentation": RLE or [polygon],
"area": float,
"bbox": [x,y,width,height],
"iscrowd": 0 or 1,
},...]
"categories":[{
"id": int,
"name": str,
"supercategory": str,
},...]
下面给个实例，并解释参数：
实例1（polygon格式，iscrowd为0）：
"annotation":[{
"segmentation": [[510.66,423.01,511.72,420.03,510.45......]], //见下面
"area": 702.1057499999998,
"iscrowd": 0, //见下面
"image_id": 289343,
"bbox": [473.07,395.93,38.65,28.67], //矩形框左上角的坐标和矩形框的长宽
"category_id": 18, //类别id
"id": 1768
},...]
//segmentation：polygon格式比较简单，这些数按照相邻的顺序两两组成一个点的xy坐标，如果有n个数（必定是偶数），那么就是n/2个点坐标。
//iscrowd=0那么segmentation就是polygon格式；只要iscrowd=1那么segmentation就是RLE格式。
//另外，每个对象（不管是iscrowd=0还是iscrowd=1）都会有一个矩形框bbox
实例2（RLE格式，iscrowd为1）：
如果iscrowd=1，那么segmentation就是RLE格式(segmentation字段会含有counts和size数组)，如下所示：
"segmentation":
{
'counts': [272, 2, 4, 4, 4, 4, 2, 9, 1, 2, 16, 43, 143, 24......],
'size': [240, 320]
}
//就是这个segmentation键对应的东西变成那个样子~
//那这个counts和size又代表啥哇~
//size:size是这幅图片的宽高(240*320)
//counts：好，来，整幅图片包含240*320个像素，我们认为有包含目标的像元赋值1，没有的话就0咯
//那整幅图从第一个像素到最后一个像素就可以这个样子来说明它：0011000111（无无有有无无无有有有）
//这样表示下去太长了吧~那就编码，几个无几个有
//0011000111表示为[2,2,3,3]即[2个无，2个有，3个无，3个有]
//我想应该明白了
categorys就很简单了：
"categories":[{
"supercategory": "person",
"id": 1,
"name": "person"
}},...]
好了，剩最后一个了
这个person_keypoints.json的结构哇和那个instance.json结构一毛一样哇~
不一样在这~
person_keypoints.json中的annotation结构体包含了Object Instance中annotation结构体的所有字段，再加上2个额外的字段
keypoints 和 num_keypoints
这两个我们来解释解释~
keypoints
新增的keypoints是一个长度为3*k的数组，其中k（这边是17，在categories中的keypoints数组中，数一数就知道）是categories中keypoints的总数量。每一个keypoint是一个长度为3的数组，第一和第二个元素分别是x和y坐标值，第三个元素是个标志位v，v为0时表示这个关键点没有标注（这种情况下x=y=v=0），v为1时表示这个关键点标注了但是不可见（被遮挡了），v为2时表示这个关键点标注了同时也可见
num_keypoints
表示这个目标上被标注的关键点的数量（v>0），比较小的目标上可能就无法标注关键点。
长这个样纸~
"annotation":[{
"keypoints": [x1,y1,v1,...],
"num_keypoints": int,
"id": int,
"image_id": int,
"category_id": int,
"segmentation": RLE or [polygon],
"area": float,
"bbox": [x,y,width,height],
"iscrowd": 0 or 1,
},...]
实例：
{
"segmentation": [[125.12,539.69,140.94,522.43...]],
"num_keypoints": 10,
"area": 47803.27955,
"iscrowd": 0,
"keypoints": [0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,142,309,1,177,320,2,191,398...],//这兄弟固定3*17个坑
"image_id": 425226,
"bbox": [73.35,206.02,300.58,372.5],
"category_id": 1,
"id": 183126
},
终于要写完了，好激动~
categories字段
最后，对于每一个category结构体，相比Object Instance中的category新增了2个额外的字段，keypoints是一个长度为k的数组，包含了每个关键点的名字；skeleton定义了各个关键点之间的连接性（比如人的左手腕和左肘就是连接的，但是左手腕和右手腕就不是）。目前，COCO的keypoints只标注了person category （分类为人）。
定义如下：
{
"id": int,
"name": str,
"supercategory": str,
"keypoints": [str],
"skeleton": [edge]
}
实例：
{
"supercategory": "person",
"id": 1,
"name": "person",
"keypoints": ["nose","left_eye","right_eye","left_ear","right_ear","left_shoulder","right_shoulder","left_elbow","right_elbow","left_wrist","right_wrist","left_hip","right_hip","left_knee","right_knee","left_ankle","right_ankle"],
"skeleton": [[16,14],[14,12],[17,15],[15,13],[12,13],[6,12],[7,13],[6,7],[6,8],[7,9],[8,10],[9,11],[2,3],[1,2],[1,3],[2,4],[3,5],[4,6],[5,7]]
}
写完啦~ 记得赞一个~