coco格式

COCO（Common Objects in Context）格式是一种广泛用于图像识别和分割任务的数据格式，尤其是在目标检测、语义分割等任务中。COCO格式的核心包括以下几个部分：

1. images: 包含图像的基本信息（如文件名、大小、ID等）。
2. annotations: 包含每个目标的标注信息，如边界框、类别、分割掩码等。
3. categories: 定义所有类别的信息。
4. licenses: 图片的授权信息（可选）。
5. info: 数据集的基本信息（可选）。

COCO格式的JSON文件大致结构如下：

{
  "info": {
    "year": 2025,
    "version": "1.0",
    "description": "COCO-style Dataset",
    "contributor": "User",
    "date_created": "2025-02-21"
  },
  "images": [
    {
      "id": 1,
      "width": 640,
      "height": 480,
      "file_name": "image1.jpg",
      "license": 1,
      "flickr_url": "http://example.com/image1",
      "coco_url": "http://example.com/image1"
    }
  ],
  "annotations": [
    {
      "id": 1,
      "image_id": 1,
      "category_id": 1,
      "bbox": [100, 150, 200, 250],  // [x, y, width, height]
      "area": 50000,
      "segmentation": [[100, 150, 100, 250, 300, 250, 300, 150]],  // Polygon segmentation
      "iscrowd": 0
    }
  ],
  "categories": [
    {
      "id": 1,
      "name": "cat",
      "supercategory": "animal"
    }
  ]
}

主要字段解释：

• images:
  • id: 图像的唯一标识符。
  • file_name: 图像文件名。
  • width, height: 图像的宽高。
  • license: 图片的授权ID。
• annotations:
  • id: 标注的唯一标识符。
  • image_id: 该标注对应的图像ID。
  • category_id: 目标类别ID。
  • bbox: 边界框的坐标 [x, y, width, height]。
  • area: 目标区域的面积。
  • segmentation: 分割掩码（可以是多边形的坐标点数组）。
  • iscrowd: 是否为拥挤对象，0表示没有，1表示是。
• categories:
  • id: 类别的唯一标识符。
  • name: 类别名称。
  • supercategory: 类别的父类别。

这种格式便于进行目标检测、图像分割等任务的标注和数据管理。