COCO数据集[92]是微软团队提出的一个用于图像识别、图像分割、图像标注任务的数据集。COCO数据集的特点有：①包含实例分割；②包含上下文识别；③每幅图像包含多个对象；④数据集中有超过30万幅图像；⑤有超过200万个实例；⑥共有91个对象类别；⑦每幅图像有5个说明文字；⑧有10万幅人的关键点数据。数据集中的标注信息不仅有类别、位置信息，还有对图像语义文本的描述。数据集的提出主要是为了解决现有数据集的3方面不足：①缺乏物体非标志性视角的检测数据；②物体间的上下文推理较弱；③缺乏物体精确的二维坐标。同时，数据集在实例分割水平的标注是独一无二的，如图10.17所示。
图10.17 COCO数据集标记的独特之处（书后附彩插）
（a）图片分类；（b）目标定位；（c）语义分割；（d）COCO
COCO数据集有91个常见物体类，其中有82个类包含超过5000个标注的实例，部分图像如图10.18所示。数据集中总计有328000幅图像和2500000个标记的实例。
接下来，对COCO数据集与ImageNet、PASCAL VOC和SUN数据集做统计比对。COCO数据集与PASCAL VOC数据集都可以用来完成目标分类、检测任务，COCO数据集有91个类，而PASCAL VOC数据集有20个类。COCO数据集与PASCAL数据集每个类中样本个数的比较如图10.19（a）所示，可以发现，COCO数据集在数据类别数量和实例数上都要远超PASCAL VOC数据集；整个数据集的类别数与平均每个类的实例数如图10.19（d）所示，显然COCO数据集的每个类别中含有更多的实例。除此之外，COCO数据集的一个重要特性就是在图像都复合自然场景的前提下，尽可能多地收集非标志性图像，这使得每幅图像都包含了多个目标。这可以通过统计单幅图像中的目标种类个数和实例个数来实现，统计结果如图10.19（b）、（c）所示。图中，横坐标表示单幅图像含有种类或实例的个数，纵坐标表示含有该种类的图像数量在数据集中所在比例，图例表示在这个数据集中每幅图像平均含有的种类或实例的个数。对于COCO数据集来说，平均每幅图像有7.7个实例，它们平均来自3.5个种类。这个结果高于ImageNet数据集和PASCAL VOC数据集。有不到20%的样本在COCO数据集中只含有一个种类，而这个统计量对ImageNet和PASCAL VOC数据集来说都高于60%。
图10.18 COCO数据集示意(www.zuozong.com)
我们对检测目标在图像中的尺寸进行了统计。通常来说，越小的目标越难以识别并且需要更多的上下文信息来进行推理。从图10.19（e）中可以发现，COCO与SUN数据集含有较多小目标，因此检测算法在COCO与SUN数据集上的准确率较低。
图10.19 COCO数据集与其他数据集的统计比较
（a）每个种类的样本数量
图10.19 COCO数据集与其他数据集的统计比较（续）
（b）每幅图像中的种类数量；（c）每幅图像中的实例数量；（d）种类的数量与实例的数量；（e）实例的尺寸大小
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
