在 COCO 官方数据集里，train 的数据集标注有 6 个 .json 文件，captions 打头的两个是用于 image caption 的，person_keypoints 打头的两个是用于 object keypoint 的，这里我需要的是 image segmentation，所以只说怎么做 instances 的 json 文件啦~

1. COCO标注数据结构

instances_train2017.json 和 instances_val2017.json 结构是一样的，一个用于训练一个用于测试。都符合下面的大框架：

{
    "info": info,           # dict
    "licenses": [license],  # list[dict]
    "images": [image],      # list[dict]
    "annotations": [annotation],  # list[dict]
    "categories": [category]      # list[dict]
}

其中：info、license 的结构如下

info{   # 数据集描述
    "year": int,
    "version": str,
    "description": str,
    "contributor": str,
    "url": str,
    "date_created": datetime,
}
license{
    "id": int,
    "name": str,
    "url": str,
} 

前面两个都没什么影响，主要在于 image，annotations 和 categories：

# 图片数据，id, file_name, width, height比较重要
"image": [
	{
	    "id": int,    # 图片id，每张图片id唯一
	    "width": int,
	    "height": int,
	    "file_name": str,
	    "license": int,
	    "flickr_url": str,
	    "coco_url": str,
	    "date_captured": datetime,
	},
	...
],

# 数据类别描述
"categories": [
    {
        'id': 1,                     # 对应在mask里的像素值
        'name': 'person',            # 类别名称
        'supercategory': 'person',   # 父类别
    },
    {
        'id': 2,
        'name': 'vehicle',
        'supercategory': 'bicycle',
    },
    {
        'id': 3,
        'name': 'vehicle',
        'supercategory': 'car',
    },
    ...
],

# 数据标注
"annotation": [
	{
	    "id": int,          # 对象id，一张图片可能有多个对象
	    "image_id": int,    # 图片id，和image中的id对应
	    "category_id": int, # 类别id，和categories中的id对应
	    "segmentation": RLE or [polygon],
	    "area": float,
	    "bbox": [x,y,width,height],
	    "iscrowd": 0 or 1,
	},
	...
]

annotations 中 segmentation 的格式取决于这个实例是单个对象还是一组对象。如果是单个对象，那么 iscrowd = 0，segmentation 使用 polygon 格式。但是这个对象可能被其他东西遮挡，导致分成了几个部分，此时需要用多个 polygon 来表示，所以 segmentation 其实是两层的列表。如果是一组对象，那么 iscrowd = 1，此时 semgentation 使用的就是 RLE 格式。

segmentation 使用 polygon 格式：

"segmentation": [ # 对象的轮廓点坐标                
	[
	    x1,y1,
	    x2,y2,
	    ...
	    xn,yn
	],
	...
],

2. 代码

其实创建自己数据集标注的话，不用那么麻烦，只要写入一些我们训练必须的数据即可。我自己做分割实际只写了 images，annotations 和 categories。

框架是这样的：大字典里包含 3 个键 images，annotations 和 categories，每个键的值都是一个列表，列表里又包含了 n 个字典。

对于 images 来说，列表中的字典个数其实就是训练数据集图片的数量。对于 annotations ，列表中字典的个数是训练数据集中对象的个数，因为一张图像中可能包括多个对象。而 categories 的列表中字典个数等于你的数据集的类别个数，其中 categories id 就是类别在 mask 上对应的像素值。

{
"images": [{"id": 0, "width": 23, "height": 18, "file_name": "0001.png"}, {}, {}, ..., {}],

"annotations": [{"id": 0, "image_id": 0, "segmentation": [[...], [...], ..., []], "category_id": 1, "iscrowd": 0, "area": 8996.0, "bbox": [5, 366, 187, 126]}, {}, ..., {}],

"categories": [{"id": 1, "name": "car"}, {}, ..., {}]
}

由于 matlab 提取目标 polygon 很方便，所以决定“曲线救国”，先用 matlab 提取好 polygon，再读取来生成 annotation 啦，代码写的仓促，决定优化一下再上传啦~

补充很关键的一点：关于图像坐标系统和矩阵坐标系统的关系

图像坐标系统：原点 (0,0) 在左上角，向右和向下分别代表 x 和 y 轴，(x, y) 分别是 (纵轴, 横轴)。这种模式常见于 OpenCV 和各种公开数据集的 json 标注文件（VOC、COCO 等）。

矩阵坐标系统：当图像以矩阵坐标系统表示时，坐标 (x, y) 代表的其实是矩阵的 (行, 列)，也就是 (横轴, 纵轴)。这种模式常见于 Python 中 Numpy 和 Matlab 编程，因为它们都将图像按照矩阵来处理。

在准备数据时，注意两者的区别，要转换也很简单，x 和 y 的位置进行对调即可。

最后

以上就是无情山水为你收集整理的COCO数据集标注 & 代码1. COCO标注数据结构2. 代码的全部内容，希望文章能够帮你解决COCO数据集标注 & 代码1. COCO标注数据结构2. 代码所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。