COCO数据集格式总结（COCO提供与模型输出需提供的JSON格式）-CSDN博客

文章详细介绍了COCO数据集在目标检测、关键点检测、物体分割等任务中的标注格式，包括原始JSON结构和模型输出结果所需JSON格式，对理解COCO数据集的使用至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

COCO 有几种标注类型: 目标检测、关键点检测、物体分割、全景分割、密集分析和图像标题。

标注信息是使用 JSON 存储的，为此，在使用COCO数据集前，需要了解原始数据集的JSON格式

并且还需要知道将自己模型输出结果（结果文件）转换为哪种JSON格式

目标检测/分割
在这里插入图片描述

COCO提供的JSON格式（包含检测和分割）

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,
}]

结果文件需提供的JSON格式（目标检测任务）

[{
"image_id": int, 
"category_id": int, 
"bbox": [x,y,width,height], 
"score": float,
}]

结果文件需提供的JSON格式（目标分割任务）

[{
"image_id": int, 
"category_id": int, 
"segmentation": RLE,
"score": float,
}]

关键点检测
在这里插入图片描述

COCO提供的JSON格式

annotation{
"keypoints": [x1,y1,v1,...], 
"num_keypoints": int, 
"[cloned]": ...,
}

categories[{
"keypoints": [str], 
"skeleton": [edge], 
"[cloned]": ...,
}]

结果文件需提供的JSON格式

[{
"image_id": int, 
"category_id": int, 
"keypoints": [x1,y1,v1,...,xk,yk,vk], 
"score": float,
}]

全景分割
在这里插入图片描述

COCO提供的JSON格式

annotation{
"image_id": int, 
"file_name": str, 
"segments_info": [segment_info],
}

segment_info{
"id": int,
"category_id": int, 
"area": int, 
"bbox": [x,y,width,height], 
"iscrowd": 0 or 1,
}

categories[{
"id": int, 
"name": str, 
"supercategory": str, 
"isthing": 0 or 1, 
"color": [R,G,B],
}]

结果文件需提供的JSON格式

annotation{
"image_id": int, 
"file_name": str, 
"segments_info": [segment_info],
}

segment_info{
"id": int, 
"category_id": int,
}

图片说明
在这里插入图片描述

COCO提供的JSON格式

annotation{
"id": int, 
"image_id": int, 
"caption": str,
}

结果文件需提供的JSON格式

[{
"image_id": int, 
"caption": str,
}]

DensePose

在这里插入图片描述
COCO提供的JSON格式

annotation{
"id": int, 
"image_id": int, 
"category_id": int, 
"is_crowd": 0 or 1, 
"area": int, 
"bbox": [x,y,width,height], 
"dp_I": [float], 
"dp_U": [float], 
"dp_V": [float], 
"dp_x": [float], 
"dp_y": [float], 
"dp_masks": [RLE],
}

结果文件需提供的JSON格式

[{
"image_id": int, 
"category_id": int, 
"bbox": [x,y,width,height], 
"score": float, 
"uv_shape": [channels, height, width], 
"uv_data": str,
}]