coco数据集标注格式

coco数据集标注格式

COCO数据集现在有3种标注类型：object instances（目标实例）, object keypoints（目标上的关键点）, 和image captions（看图说话），使用JSON文件存储。

以下主要介绍目标检测（目标实例）：
  COCO数据集中目标实例的json文件整体是以字典的形式来存储内容的。主要包括5个key（info、licenses、images、annotations、categories）。

{"info": info,"licenses":[license],"images":[image],"annotations":[annataton],"categories":[category]}

info这个key对应的值的类型是一个字典；
licenses, images, annatations 和 categories这几个key对应的值的类型是一个列表，列表当中存储的数据类型依旧是字典。

每个key对应的内容：

info{"year":int,# 年份"version":str,# 版本"description":str,# 详细描述信息"contributor":str,# 作者"url":str,# 协议链接"date_created": datetime,# 生成日期}

"images":[{"id":0,# int 图像id，可从0开始"file_name":"0.jpg",# str 文件名"width":512,# int 图像的宽"height":512,# int 图像的高"date_captured":"2020-04-14 01:45:07.508146",# datatime 获取日期"license":1,# int 遵循哪个协议"coco_url":"",# str coco图片链接url"flickr_url":""# str flick图片链接url}]

"licenses":[{"id":1,# int 协议id号      在images中遵循的license即1"name": null,# str 协议名        "url": null                                         # str 协议链接      }]

"annotations":[{"id":0,# int 图片中每个被标记物体的id编号"image_id":0,# int 该物体所在图片的编号"category_id":2,# int 被标记物体的类别id编号"iscrowd":0,# 0 or 1 目标是否被遮盖，默认为0"area":4095.9999999999986,# float 被检测物体的面积（64 * 64 = 4096)"bbox":[200.0,416.0,64.0,64.0],# [x, y, width, height] 目标检测框的坐标信息"segmentation":[[200.0,416.0,264.0,416.0,264.0,480.0,200.0,480.0]]}]# "bbox"里[x, y, width, height]x, y代表的是物体的左上角的x, y的坐标值。#"segmentation"里[x1, y1, x2, y2, x3, y3, x4, y4]是以左上角坐标为起始，顺时针依次选取的另外三个坐标点。及[左上x, 左上y, 右上x，右上y，右下x，右下y，左下x，左下y]。

"categories":[{"id":1,# int 类别id编号"name":"rectangle",# str 类别名字"supercategory":"None"# str 类别所属的大类，如卡车和轿车都属于机动车这个class},{"id":2,"name":"circle","supercategory":"None"}]

以上。