1 COCO数据集

COCO数据集下载链接：COCO_download

1.1 数据概览

数据集大小

train: 118287张
train+val: 123287张
val: 5000张

目标数量

Val集目标数: 36781 (整个val集包含的实例数量)

1.2 文件结构说明

train2017: 训练集文件夹。
val2017: 验证集文件夹。

1.2.1 文件结构树

Images

├── 2017 Val Images [annotations_trainval2017.zip]
│   ├── annotations
│      ├── instances_val2017.json
├── 2017 Testing Image info [image_info_test2017.zip] [1MB]
│   ├── image_info_test2017.json

1.3 标注格式说明

X坐标范围：[0,640][0,640][0,640]
说明：
坐标是从0开始
COCO在官方网站的说明中说到：

… In addition, an enclosing bounding box is provided for each object (box coordinates are measured from the top left image corner and are 0-indexed). …

1.4 数据集异常值

“包含width或height为0的目标框”

COCO数据集中包含width或height为0的目标框，在train集中这样的bbox有两个；

2 COCO的评价指标——mAP

请参考我的博文《南溪的目标检测学习笔记》——目标检测的评价指标（mAP）

3 Cocoapi使用

在使用cocoapi之前，首先需要进行安装，
cocoapi的Github链接：cocodataset/cocoapi
cocoapi安装请参考：cocoapi#readme

Ubuntu上官方安装出现错误&

请使用如下命令进行安装：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

Win10安装`cocoapi`

cocoapi官方代码不支持Win10平台，这里我们使用CSDN社区提供的解决方案进行安装，请参考：《Windows10安装COCOAPI》

3.1 mAP验证基本流程

annType = ['segm', 'bbox', 'keypoints']
annType = annType[1]
"""设置标注类型为bbox"""
print("[cocoapi]:", "loading data...")
# initialize COCO ground truth api
data_dir = ".../.../COCO"
"""Local root of COCO"""
ann_file = f'{data_dir}/annotations/instances_val2017.json'
cocoGt = COCO(ann_file)
# Get the image ids
coco_keys = list(sorted(cocoGt.imgs.keys()))
print("len(coco_keys):", len(coco_keys))

3.2 API函数说明

pycocotools.coco.COCO.loadRes(): Load result file and return a result api object.
参数说明：
resFile: 结果文件。（不接受Path对象）

3.3 调试笔记

3.2.1 错误“TypeError: type ＜class ‘numpy.float64‘＞ cannot be safely interpreted as an integer”

请参考博文《【Python Solution】TypeError: type ＜class ‘numpy.float64‘＞ cannot be safely interpreted as an integer》
根据以上博文中的信息和错误提示可以知道，这里是由于cocoapi中np.linspace的使用问题导致的，其代码为

self.iouThrs = np.linspace(.5, 0.95, np.round((0.95 - .5) / .05) + 1, endpoint=True)
num = np.round((0.95 - .5) / .05) + 1

numpy中要求np.linspace的num参数（采样个数）为整数，

3 EDA

3.1 COCO数据集存在width或者height小于10像素的目标

在对COCO数据集进行探索性数据分析之后，我们知道COCO数据集中是存在很小的目标的，例如“width或者height小于10像素的目标”，

这里我们可以看看一个示例图像，

3.2 COCO中存在目标个数为0的图像——img_id–250对应的图片

COCO数据集会存在GT目标个数为0的图片，例如：img_id–250对应的图片；

3.3 COCO数据集不存在“图像稀疏”的问题

我们经过eda数据集后发现

可以看到COCO中图像最大的尺寸为(640,640)，平均尺寸为(577,484)，可以看到在W和H两个维度上，平均尺寸都超过了最大尺寸的一半（也就是320像素），所以COCO不存在“图像稀疏”的问题；

《南溪的目标检测学习笔记》——COCO数据集的学习笔记相关推荐

tensorflow精进之路(二十四)——Object Detection API目标检测(中)（COCO数据集训练的模型—ssd_mobilenet_v1_coco模型）
1.概述上一讲简单的讲了目标检测的原理以及Tensorflow Object Detection API的安装,这一节继续讲Tensorflow Object Detection API怎么用. 2 ...
《南溪的目标检测学习笔记》——目标检测模型的设计笔记
1 南溪学习的目标检测模型--DETR 南溪最赞赏的目标检测模型是DETR, 论文名称:End-to-End Object Detection with Transformers 1.2 decode ...
《南溪的目标检测学习笔记》——夏侯南溪的CNN调参笔记，加油
1 致谢感谢赵老师的教导! 感谢张老师的指导! 2 调参目标在COCO数据集上获得mAP>=10.0的模型,现在PaddleDetection上的Anchor-Free模型[TTFNet]的 ...
《南溪的目标检测学习笔记》——后处理方法的学习笔记
1 前言后处理方法是很重要的,我在学习训练COCO数据集时深有体会,这里用笔记记录一下后处理的相关知识- 2 南溪使用的的后处理方法南溪使用后处理操作流程: 阈值过滤(低阈值去框,提速nms)→\ ...
《南溪的目标检测学习笔记》——模型预处理的学习笔记
1 介绍在目标检测任务中,模型预处理分为两个步骤: 图像预处理:基于图像处理算法数值预处理:基于机器学习理论关于图像预处理,请参考<南溪的目标检测学习笔记>--图像预处理的学习笔记 ...
《南溪的目标检测学习笔记》的笔记目录
1 前言这是<南溪的目标检测学习笔记>的目录~ 2 学习目标检测的思路--"总纲" <南溪的目标检测学习笔记>--目标检测的学习笔记我在这篇文章中介绍了 ...
目标检测算法（传统基于深度学习的）
目标检测算法最近在学目标检测各类算法,主要分为传统的目标检测方法和基于深度学习的目标检测算法,这里记录了一些基本的算法介绍.下图是目标检测算法的发展历程传统目标检测方法分三部分:区域选择–> ...
Cascade R-CNN升级！目标检测制霸COCO，实例分割超越Mask R-CNN
点击我爱计算机视觉标星,更快获取CVML新技术前天,arxiv上新出一篇论文<Cascade R-CNN: High Quality Object Detection and Instance ...
夏侯南溪搭建目标检测模型——文件结构设计篇
1 前言此文章是夏侯南溪搭建目标检测模型--文件夹结构设计篇- 2 文件夹命名使用小写字母命名,单词之间用短线"-"进行连接,例如: plane-detection 3 项目文 ...

《南溪的目标检测学习笔记》——COCO数据集的学习笔记

1 COCO数据集

1.1 数据概览

数据集大小

目标数量

1.2 文件结构说明

1.2.1 文件结构树

Images

1.3 标注格式说明

1.4 数据集异常值

“包含width或height为0的目标框”

2 COCO的评价指标——mAP

3 Cocoapi使用

Ubuntu上官方安装出现错误&

Win10安装`cocoapi`

3.1 mAP验证基本流程

3.2 API函数说明

3.3 调试笔记

3.2.1 错误“TypeError: type ＜class ‘numpy.float64‘＞ cannot be safely interpreted as an integer”

3 EDA

3.1 COCO数据集存在width或者height小于10像素的目标

3.2 COCO中存在目标个数为0的图像——img_id–250对应的图片

3.3 COCO数据集不存在“图像稀疏”的问题

《南溪的目标检测学习笔记》——COCO数据集的学习笔记相关推荐

最新文章

热门文章

《南溪的目标检测学习笔记》——COCO数据集的学习笔记

1 COCO数据集

1.1 数据概览

数据集大小

目标数量

1.2 文件结构说明

1.2.1 文件结构树

Images

1.3 标注格式说明

1.4 数据集异常值

“包含width或height为0的目标框”

2 COCO的评价指标——mAP

3 Cocoapi使用

Ubuntu上官方安装出现错误&

Win10安装cocoapi

3.1 mAP验证基本流程

3.2 API函数说明

3.3 调试笔记

3.2.1 错误“TypeError: type ＜class ‘numpy.float64‘＞ cannot be safely interpreted as an integer”

3 EDA

3.1 COCO数据集存在width或者height小于10像素的目标

3.2 COCO中存在目标个数为0的图像——img_id–250对应的图片

3.3 COCO数据集不存在“图像稀疏”的问题

《南溪的目标检测学习笔记》——COCO数据集的学习笔记相关推荐

最新文章

热门文章

Win10安装`cocoapi`