一、數據來源
COCO中圖片資源均引用自Flickr圖片網站
二、數據集創建目的
進行圖像識別訓練，主要針對以下三個方向：
（1）object instances
（2）object keypoints
（3） image captions
每個方向均包含訓練和驗證集兩個標注文件
三、標注體結構
三個方向均共享基本類型信息，包括info、image、license三個字段，而annotation字段則各不相同。
3.1 通用字段介紹
- 通用-Info字段
例：
- 通用-image字段
例：
- 通用-licence字段
例：
3.2 變體字段介紹
- annotation-Object Instance
iscrowd=0：表示這是一個單獨的物體，輪廓用Polygon(多邊形的點)表示，即segmentation字段用Polygon表示
iscrowd=1：表示兩個或多個沒有分開的物體，輪廓用RLE編碼表示，即segmention字段用RLE編碼形式表示
- annotation-Object keypoint
相比於object Instance標注，增加了兩個字段：Keypoints和num_keypoints
keypoints是一個長度為3*k的數組，其中k是keypoints的總數量。
keypoints[i][0] 和keypoints[i][1]為（x,y）,keypoints[i][2]為標志位v
v=0-關鍵點未標注，v=2-關鍵點已標注且不可見，v=3-關鍵點已標注且可見
category字段：
keypoints字段記錄了關鍵點名字數組，skeleton定義了各個關鍵點之間的連接性（如手腕和肘）。keypoints的supercategory只標注了person 。
Image Caption類型的標注相對於上面來說很簡單，這里就略過不表了