COCO 大型图像数据集

COCO 是一个大型图像数据集，其被用于机器视觉领域的对象检测与分割、人物关键点检测、填充分割与字幕生成。该数据集以场景理解为主，图像中的目标则通过精确的分割进行位置标定。

COCO is a large-scale image dataset developed for computer vision tasks including object detection and segmentation, human keypoint detection, panoptic segmentation, and image captioning. This dataset centers on scene understanding, with objects in the images being spatially localized through precise segmentation annotations.

搜集汇总

背景与挑战

背景概述

COCO大型图像数据集由微软于2014年发布，大小为83.39 GB，专注于机器视觉场景理解，用于对象检测与分割、人物关键点检测等任务。它包含33万张图像、150万目标实例、80个目标类和91个物品类，具有目标分割、情景感知和超像素分割特征，现已成为图像字幕的标准测试平台。