深度學(xué)習(xí)圖像數(shù)據(jù)集介紹（MSCOCO）

MSCOCO數(shù)據(jù)集是微軟開發(fā)維護的大型圖像數(shù)據(jù)集，次數(shù)聚集的任務(wù)包括識別（recognition），分割（segementation），及檢測（detection）。 該數(shù)據(jù)集的官方網(wǎng)址為：

http://cocodataset.org/

該數(shù)據(jù)集合的主要特點：

1）目標(biāo)分割

2）基于文本識別

3）每張圖多目標(biāo)

4）超過30萬圖

5）超過2百萬實例

6）80種類別

7）平均每張圖5個目標(biāo)

8）對于十萬個人有關(guān)鍵點

COCO API提供了Matlab,Python和lua的API接口，該接口可以提供完整的圖像標(biāo)簽數(shù)據(jù)的加載，parsing和可視化。此外還有原始論文及相關(guān)實驗論，教程等。在使用coco數(shù)據(jù)庫提供的API和demo前要先下載coco的圖像和label數(shù)據(jù)（類別、類別數(shù)量、像素級的分割等）：

圖像下載到本地coco/images/ 文件夾下（為了后面改代碼的路經(jīng)方便）

labels下載到coco/annotations/ 文件夾下

數(shù)據(jù)集分析

圖像分類： 分類基于標(biāo)注好的標(biāo)簽，將大量數(shù)據(jù)進行訓(xùn)練，提取出每種圖像的關(guān)鍵特征后進行識別。

目標(biāo)檢測：經(jīng)過關(guān)鍵點構(gòu)建目標(biāo)位置，進行位置標(biāo)注，訓(xùn)練這些標(biāo)注標(biāo)簽后進行檢測。

基于語義的場景標(biāo)記： 此類的標(biāo)簽制作過程中需要分析多方面的內(nèi)容，做成像素級別的標(biāo)簽。 在這個數(shù)據(jù)集中同時包含了室內(nèi)和室外的場景數(shù)據(jù)集。

MSCOCO數(shù)據(jù)示例

COCO數(shù)據(jù)集分兩部分發(fā)布，第一次于2014年發(fā)布，82783個訓(xùn)練樣本，40504驗證樣本以及40775的測試樣本，另外有27萬的分割人像圖和88.6萬的分割物體圖。2015年的版本中哦你哦個包括165482的訓(xùn)練樣本，81208驗證樣本和82434測試樣本。

我開始在官網(wǎng)上下載沒有成功，后來知道了一種方法，可以輸入以下命令進行下載/

1、安裝aria2

sudo apt-get install aria2

2、依次輸入下面三個命令

aria2c -c http://msvocds.blob.core.windows.net/annotations-1-0-3/instances_train-val2014.zip

aria2c -c http://msvocds.blob.core.windows.net/coco2014/train2014.zip

aria2c -c http://msvocds.blob.core.windows.net/coco2014/val2014.zip

根據(jù)文件的后綴應(yīng)該能分得出來，annotation是標(biāo)簽，train2014是訓(xùn)練集，val2014是驗證集。我這點玩意下載了一周，失敗了幾次才完全下載下下來。如果在下載中途中斷了，重新輸入命令即可。

以上鏈接可以下載的是2014版本的數(shù)據(jù)。

annotation里是json文件，打開后可以看到標(biāo)注的內(nèi)容。

用 LibreOffice Writer可以打開

這個圖里可以看到一大堆的屬性標(biāo)簽。

Jason保存的是一堆信息，相當(dāng)于一個字典。

info指向一些基本信息： 包括時間，版本，貢獻者，網(wǎng)址鏈接等。

image指向列表，內(nèi)容是圖像信息，列表中的每一個字典下存儲一張圖像信息:licese、coco_url、data_capture、flickr_url等。

重要的key：

file_name,指向字符串，是圖像的名字;

height和width指向的該圖像的高和寬;

id指向的是圖像特有的label，數(shù)字不重復(fù)，可以看做是圖像的本身信息。好像身份證上的數(shù)字一樣

annotation指向一個list，包含多個字典，每個字典中包含一個物體分割的信息。第一個segmentation中指向兩串?dāng)?shù)字矩陣，含義是像素級分割得到的物體邊緣坐標(biāo)。坐標(biāo)成對出現(xiàn);后面area是segmentation的面積;iscrowded是重疊信息; bbox是物體的label框;category_id指向的數(shù)字代表類別;最后的id是每個框的身份編號; 最后的categories這個key是指向每個類別的名稱和編號。

coco與其他數(shù)據(jù)集的比較

coco數(shù)據(jù)集中一些標(biāo)注圖像的示例

總結(jié)

以上是生活随笔為你收集整理的camvid数据集介绍_深度学习图像数据集介绍（MSCOCO）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。