MS COCO的全称是Microsoft Common Objects in Context，是微软团队提供的一个可以用来进行图像识别的数据集。

其数据集主要包括有标注的和无标注的数据：

• 2014：训练集 + 验证集 + 测试集
• 2015：测试集
• 2017：训练集 + 验证集 + 测试集 + 未标注

简介

COCO数据集是一个大型的、丰富的物体检测，分割和字幕数据集。这个数据集以scene understanding为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。图像包括91类目标，328,000影像和2,500,000个label。目前为止有语义分割的最大数据集，提供的类别有80 类，有超过33 万张图片，其中20 万张有标注，整个数据集中个体的数目超过150 万个。

coco2017：

coco2014

80个类别

person(人)

bicycle(自行车) car(汽车) motorbike(摩托车) aeroplane(飞机) bus(公共汽车) train(火车) truck(卡车) boat(船)

traffic light(信号灯) fire hydrant(消防栓) stop sign(停车标志) parking meter(停车计费器) bench(长凳)

bird(鸟) cat(猫) dog(狗) horse(马) sheep(羊) cow(牛) elephant(大使用和下载象) bear(熊) zebra(斑马) giraffe(长颈鹿)

backpack(背包) umbrella(雨伞) handbag(手提包) tie(领带) suitcase(手提箱)

frisbee(飞盘) skis(滑雪板双脚) snowboard(滑雪板) sports ball(运动球) kite(风筝) baseball bat(棒球棒) baseball glove(棒球手套) skateboard(滑板) surfboard(冲浪板) tennis racket(网球拍)

bottle(瓶子) wine glass(高脚杯) cup(茶杯) fork(叉子) knife(刀)

spoon(勺子) bowl(碗)

banana(香蕉) apple(苹果) sandwich(三明治) orange(橘子) broccoli(西兰花) carrot(胡萝卜) hot dog(热狗) pizza(披萨) donut(甜甜圈) cake(蛋糕)

chair(椅子) sofa(沙发) pottedplant(盆栽植物) bed(床) diningtable(餐桌) toilet(厕所) tvmonitor(电视机)

laptop(笔记本) mouse(鼠标) remote(遥控器) keyboard(键盘) cell phone(电话)

microwave(微波炉) oven(烤箱) toaster(烤面包器) sink(水槽) refrigerator(冰箱)

book(书) clock(闹钟) vase(花瓶) scissors(剪刀) teddy bear(泰迪熊) hair drier(吹风机) toothbrush(牙刷)

COCO数据集的标签文件 .json

COCO有5种类型的标注，分别是：物体检测、关键点检测、实例分割、全景分割、图片标注，都是对应一个json文件。.json 文件的本质是一个字典。

读取文件

import json

filedir = "instances_val2014.json"
annos = json.loads(open(filedir).read())
print(type(annos))  # <class 'dict'>
print(len(annos))  # 5
print(annos.keys())   # 键
print(annos["info"])   # 键值
print(annos["images"]) 
print(annos["licenses"])
print(annos["annotations"])
print(annos["categories"])

都包含如下的关键字：

{
	"info" : info,
	"images" : [image], 
	"annotations" : [annotation], 
	"licenses" : [license],
}

info 对应键值的内容为：

{'description': 'This is stable 1.0 version of the 2014 MS COCO dataset.', 
'url': 'http://mscoco.org', 
'version': '1.0', 
'year': 2014, 
'contributor': 'Microsoft COCO group',
 'date_created': '2015-01-27 09:11:52.357475'
 }

images 对应键值的 部分内容为：

 {'license': 3, 
 'file_name': 'COCO_val2014_000000016744.jpg', 
 'coco_url': 'http://mscoco.org/images/16744', 
 'height': 335, 
 'width': 500, 
 'date_captured': '2013-11-20 14:29:03', 
 'flickr_url': 'http://farm3.staticflickr.com/2393/2228750191_11de3ec047_z.jpg', 
 'id': 16744
 },
 ..... 不断的重复 其他相同格式的数据

licenses 对应键值的内容为：

[{'url': 'http://creativecommons.org/licenses/by-nc-sa/2.0/', 'id': 1, 'name': 'Attribution-NonCommercial-ShareAlike License'}, 
{'url': 'http://creativecommons.org/licenses/by-nc/2.0/',     'id': 2, 'name': 'Attribution-NonCommercial License'}, 
{'url': 'http://creativecommons.org/licenses/by-nc-nd/2.0/',   id': 3, 'name': 'Attribution-NonCommercial-NoDerivs License'},
{'url': 'http://creativecommons.org/licenses/by/2.0/',        'id': 4, 'name': 'Attribution License'}, 
{'url': 'http://creativecommons.org/licenses/by-sa/2.0/',     'id': 5, 'name': 'Attribution-ShareAlike License'},
{'url': 'http://creativecommons.org/licenses/by-nd/2.0/',     'id': 6, 'name': 'Attribution-NoDerivs License'},
{'url': 'http://flickr.com/commons/usage/',                   'id': 7, 'name': 'No known copyright restrictions'},
{'url': 'http://www.usa.gov/copyright.shtml',                 'id': 8, 'name': 'United States Government Work'}
]

虽然每个json文件都有"info", “images” , “annotations”, "licenses"关键字，但不同的任务对应的json文件中annotation的形式不同。

下载地址

Images：
2014 Train images： http://images.cocodataset.org/zips/train2014.zip
2014 Val images： http://images.cocodataset.org/zips/val2014.zip
2014 Test images： http://images.cocodataset.org/zips/test2014.zip
2015 Test images ： http://images.cocodataset.org/zips/test2015.zip
2017 Train images ：http://images.cocodataset.org/zips/train2017.zip
2017 Val images ： http://images.cocodataset.org/zips/val2017.zip
2017 Test images ： http://images.cocodataset.org/zips/test2017.zip
2017 Unlabeled images ：http://images.cocodataset.org/zips/unlabeled2017.zip

Annotations：
2014 Train/Val annotations：
http://images.cocodataset.org/annotations/annotations_trainval2014.zip
2014 Testing Image info：
http://images.cocodataset.org/annotations/image_info_test2014.zip
2015 Testing Image info：
http://images.cocodataset.org/annotations/image_info_test2015.zip
2017 Train/Val annotations：
http://images.cocodataset.org/annotations/annotations_trainval2017.zip
2017 Stuff Train/Val annotations：
http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
2017 Testing Image info：
http://images.cocodataset.org/annotations/image_info_test2017.zip
2017 Unlabeled Image info：
http://images.cocodataset.org/annotations/image_info_unlabeled2017.zip

参考(感谢)
https://blog.csdn.net/weixin_42419002/article/details/100156688
https://blog.csdn.net/qq_43211132/article/details/106850843
https://blog.csdn.net/u013832707/article/details/93710810