COCO数据集合解析

最近在使用COCO数据集做框检测，对其内容进行记录。

1、首先是下载COCO

MS COCO 数据集主页：http://mscoco.org/，进去以后点击DownLoad下载，2017要下载这些，总过有20多G

2、安装pycocotools

这个是解析COCO代码的工具包，具体安装方式为

apt-get install cython #先得在系统安装cython pip install cython #然后再用PIP安装一下
pip install pycocotools

3、解析COCO

ann_train_file='annotations/instances_train2017.json'
coco_train = COCO(ann_train_file)
#loading annotations into memory...
#Done (t=17.70s)
#creating index...
#index created!
coco_train.dataset['categories']
Out[25]:
[{'supercategory': 'person', 'id': 1, 'name': 'person'},{'supercategory': 'vehicle', 'id': 2, 'name': 'bicycle'},{'supercategory': 'vehicle', 'id': 3, 'name': 'car'},{'supercategory': 'vehicle', 'id': 4, 'name': 'motorcycle'},{'supercategory': 'vehicle', 'id': 5, 'name': 'airplane'},{'supercategory': 'vehicle', 'id': 6, 'name': 'bus'},{'supercategory': 'vehicle', 'id': 7, 'name': 'train'},{'supercategory': 'vehicle', 'id': 8, 'name': 'truck'},{'supercategory': 'vehicle', 'id': 9, 'name': 'boat'},{'supercategory': 'outdoor', 'id': 10, 'name': 'traffic light'},{'supercategory': 'outdoor', 'id': 11, 'name': 'fire hydrant'},{'supercategory': 'outdoor', 'id': 13, 'name': 'stop sign'},{'supercategory': 'outdoor', 'id': 14, 'name': 'parking meter'},{'supercategory': 'outdoor', 'id': 15, 'name': 'bench'},{'supercategory': 'animal', 'id': 16, 'name': 'bird'},{'supercategory': 'animal', 'id': 17, 'name': 'cat'},{'supercategory': 'animal', 'id': 18, 'name': 'dog'},{'supercategory': 'animal', 'id': 19, 'name': 'horse'},{'supercategory': 'animal', 'id': 20, 'name': 'sheep'},{'supercategory': 'animal', 'id': 21, 'name': 'cow'},{'supercategory': 'animal', 'id': 22, 'name': 'elephant'},{'supercategory': 'animal', 'id': 23, 'name': 'bear'},{'supercategory': 'animal', 'id': 24, 'name': 'zebra'},{'supercategory': 'animal', 'id': 25, 'name': 'giraffe'},{'supercategory': 'accessory', 'id': 27, 'name': 'backpack'},{'supercategory': 'accessory', 'id': 28, 'name': 'umbrella'},{'supercategory': 'accessory', 'id': 31, 'name': 'handbag'},{'supercategory': 'accessory', 'id': 32, 'name': 'tie'},{'supercategory': 'accessory', 'id': 33, 'name': 'suitcase'},{'supercategory': 'sports', 'id': 34, 'name': 'frisbee'},{'supercategory': 'sports', 'id': 35, 'name': 'skis'},{'supercategory': 'sports', 'id': 36, 'name': 'snowboard'},{'supercategory': 'sports', 'id': 37, 'name': 'sports ball'},{'supercategory': 'sports', 'id': 38, 'name': 'kite'},{'supercategory': 'sports', 'id': 39, 'name': 'baseball bat'},{'supercategory': 'sports', 'id': 40, 'name': 'baseball glove'},{'supercategory': 'sports', 'id': 41, 'name': 'skateboard'},{'supercategory': 'sports', 'id': 42, 'name': 'surfboard'},{'supercategory': 'sports', 'id': 43, 'name': 'tennis racket'},{'supercategory': 'kitchen', 'id': 44, 'name': 'bottle'},{'supercategory': 'kitchen', 'id': 46, 'name': 'wine glass'},{'supercategory': 'kitchen', 'id': 47, 'name': 'cup'},{'supercategory': 'kitchen', 'id': 48, 'name': 'fork'},{'supercategory': 'kitchen', 'id': 49, 'name': 'knife'},{'supercategory': 'kitchen', 'id': 50, 'name': 'spoon'},{'supercategory': 'kitchen', 'id': 51, 'name': 'bowl'},{'supercategory': 'food', 'id': 52, 'name': 'banana'},{'supercategory': 'food', 'id': 53, 'name': 'apple'},{'supercategory': 'food', 'id': 54, 'name': 'sandwich'},{'supercategory': 'food', 'id': 55, 'name': 'orange'},{'supercategory': 'food', 'id': 56, 'name': 'broccoli'},{'supercategory': 'food', 'id': 57, 'name': 'carrot'},{'supercategory': 'food', 'id': 58, 'name': 'hot dog'},{'supercategory': 'food', 'id': 59, 'name': 'pizza'},{'supercategory': 'food', 'id': 60, 'name': 'donut'},{'supercategory': 'food', 'id': 61, 'name': 'cake'},{'supercategory': 'furniture', 'id': 62, 'name': 'chair'},{'supercategory': 'furniture', 'id': 63, 'name': 'couch'},{'supercategory': 'furniture', 'id': 64, 'name': 'potted plant'},{'supercategory': 'furniture', 'id': 65, 'name': 'bed'},{'supercategory': 'furniture', 'id': 67, 'name': 'dining table'},{'supercategory': 'furniture', 'id': 70, 'name': 'toilet'},{'supercategory': 'electronic', 'id': 72, 'name': 'tv'},{'supercategory': 'electronic', 'id': 73, 'name': 'laptop'},{'supercategory': 'electronic', 'id': 74, 'name': 'mouse'},{'supercategory': 'electronic', 'id': 75, 'name': 'remote'},{'supercategory': 'electronic', 'id': 76, 'name': 'keyboard'},{'supercategory': 'electronic', 'id': 77, 'name': 'cell phone'},{'supercategory': 'appliance', 'id': 78, 'name': 'microwave'},{'supercategory': 'appliance', 'id': 79, 'name': 'oven'},{'supercategory': 'appliance', 'id': 80, 'name': 'toaster'},{'supercategory': 'appliance', 'id': 81, 'name': 'sink'},{'supercategory': 'appliance', 'id': 82, 'name': 'refrigerator'},{'supercategory': 'indoor', 'id': 84, 'name': 'book'},{'supercategory': 'indoor', 'id': 85, 'name': 'clock'},{'supercategory': 'indoor', 'id': 86, 'name': 'vase'},{'supercategory': 'indoor', 'id': 87, 'name': 'scissors'},{'supercategory': 'indoor', 'id': 88, 'name': 'teddy bear'},{'supercategory': 'indoor', 'id': 89, 'name': 'hair drier'},{'supercategory': 'indoor', 'id': 90, 'name': 'toothbrush'}]
coco_train.dataset['images'][0]
Out[26]:
{'license': 3,'file_name': '000000391895.jpg','coco_url': 'http://images.cocodataset.org/train2017/000000391895.jpg','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}
coco_train.dataset['annotations'][0]
Out[27]:
{'segmentation': [[239.97,260.24,222.04,270.49,199.84,253.41,213.5,227.79,259.62,200.46,274.13,202.17,277.55,210.71,249.37,253.41,237.41,264.51,242.54,261.95,228.87,271.34]],'area': 2765.1486500000005,'iscrowd': 0,'image_id': 558840,'bbox': [199.84, 200.46, 77.71, 70.88],'category_id': 58,'id': 156}详细的介绍可以看官网和知乎[链接](https://zhuanlan.zhihu.com/p/29393415)

COCO数据集合解析相关推荐

yolov5 从配置环境到自己训练数据集合
yolov5 (Macre) 目录文章目录 yolov5 (Macre) 一.yolov5介绍 1 四种网络模型 2 yolov5 输入结构 2.1 **Mosaic数据增强** 2.2 **自适应 ...
MATLAB中深度学习的数据集合
简介: 本文总结了部分MATLAB中用于深度学习的数据集合. 关键词: MATLAB,DEEPLENARING #mermaid-svg-xPWl4yTsAw5Z4HFe {font-family: ...
网络爬虫模拟登陆获取数据并解析实战（二）
本文为原创博客,仅供学习使用.未经本人允许禁止复制下来,上传到百度文库等平台. 目录分析要获取的数据程序的结构构建封装数据的model 模拟登陆程序并解析数据结果展示分析要获取的数据下面继 ...
android json.out,Android 之 json数据的解析（jsonReader）
json数据的解析相对而言,还是比较容易的,实现的代码也十分简单.这里用的是jsonReade方法来进行json数据解析. 1.在解析之前,大家需要知道什么是json数据. json数据存储的对象是无 ...
Android网络数据JSON解析使用总结
一．JSON基础知识 (一)什么是json JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式. 易于人阅读和编写.同时也易于机器解析和生成. 它基于Java ...
利用百度APIStoreSDK获取Json数据并解析加载到ListView上
效果图(这里只是截取了List中的一项): 一.:登录百度ApiStore,获取移动sdk Android版(同时有使用文档和示例),将jar包导入到项目中 Android Studio请在放入lib ...
2D人体姿态识别-Human3.6M与COCO数据集中，各人体骨骼关键点可视化及对应关节标注顺序（heatmap可视化，热力图和原图融合显示)
003-2.processData 文章目录前言一.最终结果展示 1. Human3.6M数据集中32个人体关键点可视化及含义 2. COCO数据集中19个人体关键点可视化及含义 3. Human ...
【数据集合集】最全最新——智能交通和无人驾驶相关数据集
[数据集合集]智能交通和无人驾驶相关一.无人驾驶数据集: 1. The H3D Dataset: 2. nuscenes: 3. ApolloCar3D: 4. KITTI Vision Bench ...
JavaScript——JSON数据和解析
1.JSON(JavaScript Object Notation, JS对象简谱)是一种轻量级的数据交换格式.它基于 ECMAScript(European Computer Manufacture ...
教你动手写UDP协议栈 - UDP数据包解析＜1＞
前景为啥要自己写一个mini UDP的协议栈?因为我们干偷偷摸摸的事情,哈哈哈!!! 其实是为了不跑一个庞大的LWIP协议栈,通过自己写的mini udp协议栈截取数据包给设备升级.这样节省了很多资 ...

COCO数据集合解析

1、首先是下载COCO

2、安装pycocotools

3、解析COCO

COCO数据集合解析相关推荐

最新文章

热门文章