一、COCO数据集格式

COCO（Common Objects in Context）数据集是一个大型的、用于对象检测、分割和图像标注的数据集。COCO数据集的格式与VOC数据集有所不同，它使用JSON格式来存储标注信息。

COCO数据集的主要组成部分包括：

1. Images：包含所有的图像文件，通常是JPEG格式。每个图像都有一个唯一的ID。

1. Annotations：包含所有的标注信息，存储在一个或多个JSON文件中。每个标注文件包含以下信息：

• images：图像的信息，包括图像的ID、文件名、宽度和高度。

• annotations：每个对象的标注信息，包括：

• id：标注的唯一ID。

• image_id：该标注对应的图像ID。

• category_id：对象的类别ID。

• segmentation：对象的分割掩码（多边形格式）。

• bbox：对象的边界框，格式为[x, y, width, height]。

• area：对象的面积。

• iscrowd：是否为拥挤场景中的对象。

1. Categories：对象的类别信息，包括类别ID、名称和超类别（如果有）。

一个典型的COCO数据集目录结构如下：

coco/
  ├── images/
  │   ├── train2017/
  │   ├── val2017/
  │   └── test2017/
  ├── annotations/
  │   ├── instances_train2017.json
  │   ├── instances_val2017.json
  │   ├── person_keypoints_train2017.json
  │   ├── person_keypoints_val2017.json
  │   ├── captions_train2017.json
  │   └── captions_val2017.json
  └── ...

COCO数据集的JSON标注文件示例如下：

{
  "images": [
    {
      "id": 1,
      "file_name": "0000000001.jpg",
      "width": 640,
      "height": 480
    },
    ...
  ],
  "annotations": [
    {
      "id": 1,
      "image_id": 1,
      "category_id": 1,
      "segmentation": [[x1, y1, x2, y2, ...]],
      "bbox": [x, y, width, height],
      "area": 2304,
      "iscrowd": 0
    },
    ...
  ],
  "categories": [
    {
      "id": 1,
      "name": "person",
      "supercategory": "person"
    },
    ...
  ]
}

COCO数据集广泛应用于计算机视觉领域，特别是在对象检测、实例分割和语义分割的研究和实践中。

二、VOC 数据集格式

VOC（Visual Object Classes）数据格式是一种用于目标检测和图像分割任务的标注格式，由PASCAL VOC挑战赛推广。这种格式主要用于存储图像及其对应的标注信息，如目标类别和边界框。VOC格式数据后缀为xml

VOC数据格式通常包含以下几个部分：

1. JPEGImages：这个文件夹包含所有的图像文件，通常是JPEG格式。

1. Annotations：这个文件夹包含每个图像的标注文件，通常是XML格式。每个XML文件对应一个图像，并包含以下信息：

• filename：图像文件的名称。

• size：图像的尺寸，包括宽度、高度和通道数。

• object：图像中的目标对象，每个对象包含以下信息：

• name：目标的类别名称。

• bndbox：目标的边界框，包括左上角和右下角的坐标（xmin, ymin, xmax, ymax）。

• difficult：目标是否难以检测的标志。

1. ImageSets：这个文件夹包含用于训练和测试的图像列表，通常分为以下几个文件：

• Main：包含用于分类任务的图像列表。

• Segmentation：包含用于分割任务的图像列表。

• Layout：包含用于人体布局任务的图像列表。

• Action：包含用于动作识别任务的图像列表。

1. SegmentationClass：这个文件夹包含用于分割任务的类别标注图像。

1. SegmentationObject：这个文件夹包含用于分割任务的对象标注图像。

一个典型的VOC数据集目录结构如下：

VOCdevkit/
  ├── VOC2007/
  │   ├── JPEGImages/
  │   ├── Annotations/
  │   ├── ImageSets/
  │   │   ├── Main/
  │   │   ├── Segmentation/
  │   │   ├── Layout/
  │   │   └── Action/
  │   ├── SegmentationClass/
  │   └── SegmentationObject/
  └── VOC2012/
      ├── JPEGImages/
      ├── Annotations/
      ├── ImageSets/
      │   ├── Main/
      │   ├── Segmentation/
      │   ├── Layout/
      │   └── Action/
      ├── SegmentationClass/
      └── SegmentationObject/

VOC数据格式广泛应用于计算机视觉领域，特别是在目标检测和图像分割的研究和实践中。

三、YOLO数据集格式

YOLO（You Only Look Once）是一种流行的实时对象检测算法，其数据集格式相对简单，主要用于训练和评估YOLO模型。YOLO数据集格式通常包含以下几个部分：

1. Images：包含所有的图像文件，通常是JPEG或PNG格式。

1. Labels：包含每个图像对应的标注文件，通常是文本格式（TXT文件）。每个标注文件的名称与对应的图像文件名称相同，但扩展名为.txt。

每个标注文件中的每一行代表一个对象，格式如下：

<object-class> <x-center> <y-center> <width> <height>

• <object-class>：对象的类别ID（从0开始）。

• <x-center>：对象边界框中心点的x坐标，相对于图像宽度的比例（0到1之间）。

• <y-center>：对象边界框中心点的y坐标，相对于图像高度的比例（0到1之间）。

• <width>：对象边界框的宽度，相对于图像宽度的比例（0到1之间）。

• <height>：对象边界框的高度，相对于图像高度的比例（0到1之间）。

例如，假设一个图像文件名为image001.jpg，其对应的标注文件名为image001.txt，内容可能如下：

0 0.45 0.67 0.23 0.34
1 0.12 0.34 0.15 0.20

这表示图像中有两个对象：

• 第一个对象的类别ID为0，边界框中心点坐标为(0.45, 0.67)，宽度为0.23，高度为0.34。

• 第二个对象的类别ID为1，边界框中心点坐标为(0.12, 0.34)，宽度为0.15，高度为0.20。

YOLO数据集的目录结构通常如下：

dataset/
  ├── images/
  │   ├── train/
  │   │   ├── image001.jpg
  │   │   ├── image002.jpg
  │   │   └── ...
  │   ├── val/
  │   │   ├── image101.jpg
  │   │   ├── image102.jpg
  │   │   └── ...
  │   └── test/
  │       ├── image201.jpg
  │       ├── image202.jpg
  │       └── ...
  └── labels/
      ├── train/
      │   ├── image001.txt
      │   ├── image002.txt
      │   └── ...
      ├── val/
      │   ├── image101.txt
      │   ├── image102.txt
      │   └── ...
      └── test/
          ├── image201.txt
          ├── image202.txt
          └── ...

YOLO数据集格式简单且高效，非常适合用于训练和评估YOLO模型。

格式转换

在 MMDetection 和 MMYOLO 里，几乎所有的训练都是依靠 COCO JSON 标注文件，其他的数据集格式需要提前转换为COCO格式。

常见数据集

常见的开源数据集网站包括 Hugging Face、Kaggle 和 AI Studio