COCO（Common Objects in Context）是一个大规模的目标检测、分割和字幕数据集。其数据格式采用单一的 JSON 文件来描述整个数据集，包含图像信息、标注信息、类别信息等。COCO 格式已成为计算机视觉领域广泛使用的标准之一。
- 单一文件：整个数据集的标注信息存储在一个 JSON 文件中。
- 结构化层次：包含
images、annotations、categories等顶层字段，结构清晰。 - 丰富的信息：除了边界框和多边形分割，还包含面积、是否拥挤（iscrowd）等元数据。
- 官方标准：由 COCO 数据集官方定义，被众多研究和工程项目采用。
COCO JSON 文件是一个包含以下顶级字段的对象：
| 字段名 | 类型 | 描述 |
|---|---|---|
info |
对象 | 数据集的总体信息（可选） |
licenses |
数组 | 许可证信息列表（可选） |
images |
数组 | 必需，图像信息列表 |
annotations |
数组 | 必需，标注信息列表 |
categories |
数组 | 必需，类别信息列表 |
包含数据集的描述性信息。
示例：
"info": {
"description": "COCO 2017 Dataset",
"url": "http://cocodataset.org",
"version": "1.0",
"year": 2017,
"contributor": "COCO Consortium",
"date_created": "2017/09/01"
}列出数据集中图像使用的许可证。
示例：
"licenses": [
{
"url": "http://creativecommons.org/licenses/by-nc-sa/2.0/",
"id": 1,
"name": "Attribution-NonCommercial-ShareAlike License"
}
]每个元素描述数据集中的一张图像。
| 字段名 | 类型 | 描述 |
|---|---|---|
id |
整数 | 唯一 图像标识符 |
file_name |
字符串 | 图像文件名（可包含相对路径） |
height |
整数 | 图像高度（像素） |
width |
整数 | 图像宽度（像素） |
license |
整数（可选） | 许可证 ID（指向 licenses 数组） |
flickr_url |
字符串（可选） | Flickr 图像 URL |
coco_url |
字符串（可选） | COCO 图像 URL |
date_captured |
字符串（可选） | 拍摄日期 |
示例：
{
"id": 1,
"file_name": "000000001.jpg",
"height": 480,
"width": 640,
"license": 1,
"flickr_url": "http://farm1.staticflickr.com/1/000000001.jpg",
"coco_url": "http://images.cocodataset.org/train2017/000000001.jpg",
"date_captured": "2013-11-14 11:18:45"
}每个元素描述一个标注实例（一个目标）。
| 字段名 | 类型 | 描述 |
|---|---|---|
id |
整数 | 唯一 标注标识符 |
image_id |
整数 | 对应图像的 ID（与 images 中的 id 匹配） |
category_id |
整数 | 类别 ID（与 categories 中的 id 匹配） |
bbox |
数组 [x, y, width, height] |
边界框坐标（检测任务） |
segmentation |
数组 或 RLE 字典 | 分割标注（分割任务） |
area |
浮点数 | 标注区域面积（像素²） |
iscrowd |
整数（0 或 1） | 是否表示拥挤区域（crowd） |
bbox 格式：
[x, y, width, height]x,y为边界框左上角坐标（像素）。width,height为边界框的宽度和高度（像素）。
segmentation 格式：
- 多边形格式：
[[x1, y1, x2, y2, ...]]，单个多边形用一维数组表示，多个多边形用二维数组。 - RLE 格式：
{"counts": [ ... ], "size": [height, width]}，用于拥挤区域（iscrowd=1）。
示例：
{
"id": 1,
"image_id": 1,
"category_id": 1,
"bbox": [100, 150, 200, 300],
"segmentation": [[100, 150, 300, 150, 300, 450, 100, 450]],
"area": 60000.0,
"iscrowd": 0
}定义数据集中的类别。
| 字段名 | 类型 | 描述 |
|---|---|---|
id |
整数 | 唯一 类别标识符 |
name |
字符串 | 类别名称（如 "person", "car"） |
supercategory |
字符串 | 父类别（如 "vehicle", "animal"） |
示例：
{
"id": 1,
"name": "person",
"supercategory": "human"
}以下是一个简化的 COCO JSON 文件示例，包含 1 张图像、2 个标注和 2 个类别：
{
"info": {
"description": "Example COCO dataset",
"url": "",
"version": "1.0",
"year": 2026,
"contributor": "",
"date_created": "2026/03/09"
},
"licenses": [
{
"url": "",
"id": 0,
"name": "Unknown"
}
],
"images": [
{
"id": 1,
"file_name": "example.jpg",
"height": 480,
"width": 640
}
],
"annotations": [
{
"id": 1,
"image_id": 1,
"category_id": 1,
"bbox": [100, 150, 200, 300],
"segmentation": [[100, 150, 300, 150, 300, 450, 100, 450]],
"area": 60000.0,
"iscrowd": 0
},
{
"id": 2,
"image_id": 1,
"category_id": 2,
"bbox": [400, 200, 150, 100],
"segmentation": [[400, 200, 550, 200, 550, 300, 400, 300]],
"area": 15000.0,
"iscrowd": 0
}
],
"categories": [
{
"id": 1,
"name": "person",
"supercategory": "human"
},
{
"id": 2,
"name": "car",
"supercategory": "vehicle"
}
]
}- 原点：图像左上角为
(0, 0)。 - X 轴：向右为正方向。
- Y 轴：向下为正方向（与计算机图像坐标系一致）。
- 单位：像素（整数）。
- ID 唯一性：
images.id、annotations.id、categories.id必须在各自范围内唯一。 - 关联关系：
annotations.image_id必须指向有效的images.id；annotations.category_id必须指向有效的categories.id。 - 分割格式：
- 多边形坐标按顺序列出，形成闭合区域（无需重复第一个点）。
- 对于单个实例的多个不连通部分，可以使用多个多边形（二维数组）。
iscrowd=1时，segmentation通常使用 RLE（Run-Length Encoding）格式。
- 面积计算：
area字段用于评估指标（如 mAP），对于多边形通常是其像素面积，对于边界框是width * height。 - 拥挤标注：
iscrowd=1表示该标注是一个拥挤区域（多个实例被标注为一个整体），在评估时通常被特殊处理。
- COCO 官方网站：http://cocodataset.org/
- COCO 格式详解：https://cocodataset.org/#format-data
- COCO API（Python）：https://github.com/cocodataset/cocoapi