COCO 数据集

COCO（Common Objects in Context）是计算机视觉领域广泛使用的目标检测、实例分割和关键点检测数据集，由微软发布。其特点包括：

数据规模

包含超过 33 万张图像，标注对象超过 250 万个，涵盖 80 个常见物体类别（如人、车、动物等）。
标注类型
- 目标检测边界框： $(x,y,width,height)$
- 实例分割：多边形点集或 RLE 编码
- 关键点检测：人体 17 个关键点坐标
- 图像描述：每张图配有 5 句文字描述

数据结构

采用 JSON 格式组织，核心字段包括：

json 复制代码

{
  "images": [{"id": 1, "file_name": "0001.jpg", "width": 640, "height": 480}],
  "annotations": [{
    "id": 1,
    "image_id": 1,
    "category_id": 1,
    "bbox": [x,y,w,h],
    "segmentation": [[x1,y1,x2,y2,...]]
  }],
  "categories": [{"id": 1, "name": "person"}]
}

转换为 YOLO 训练数据格式

YOLO 要求的数据格式为：

复制代码

<类别索引> <中心点_x> <中心点_y> <宽度> <高度>

其中所有坐标值需归一化到 $\[0,1\]$ 区间。

转换步骤：

数据归一化

对于每个边界框 $(x,y,w,h)$ ：
xcenter=x+w/2Wycenter=y+h/2Hwnorm=wWhnorm=hH \begin{aligned} x_{\text{center}} &= \frac{x + w/2}{W} \\ y_{\text{center}} &= \frac{y + h/2}{H} \\ w_{\text{norm}} &= \frac{w}{W} \\ h_{\text{norm}} &= \frac{h}{H} \end{aligned} xcenterycenterwnormhnorm=Wx+w/2=Hy+h/2=Ww=Hh

其中 $W$ 和 $H$ 为图像宽高。
文件结构
- 每张图像对应一个 .txt 标注文件
- 文件内容示例：
  复制代码
```
0 0.35 0.48 0.12 0.23
2 0.62 0.31 0.08 0.15
```
转换脚本示例

python 复制代码

import json

# 加载 COCO 标注文件
with open('annotations.json') as f:
    coco_data = json.load(f)

# 创建类别映射字典
cat_map = {cat['id']: idx for idx, cat in enumerate(coco_data['categories'])}

# 处理每张图像
for img in coco_data['images']:
    img_id = img['id']
    W, H = img['width'], img['height']
    
    # 收集当前图像的所有标注
    annotations = [a for a in coco_data['annotations'] if a['image_id'] == img_id]
    
    # 生成 YOLO 格式文本
    with open(f'labels/{img["file_name"].replace(".jpg", ".txt")}', 'w') as f:
        for ann in annotations:
            x, y, w, h = ann['bbox']
            x_center = (x + w/2) / W
            y_center = (y + h/2) / H
            w_norm = w / W
            h_norm = h / H
            
            # 写入归一化坐标
            f.write(f"{cat_map[ann['category_id']]} {x_center} {y_center} {w_norm} {h_norm}\n")

注意事项：

确保图像路径与标注文件路径匹配
类别索引需从 0 开始连续编号
对于分割任务需额外处理掩码数据
坐标值保留 6 位小数防止精度丢失

此转换适用于 YOLOv3/v4/v5/v6/v7/v8 等系列模型训练。