企业官网建设流程全解析

0基础学习网站建设,2017网站开发兼职,wordpress报错,简约大气网站首页【PYTHON】COCO数据集中的物品IDCOCO 2017/2014 数据集 80个类别ID对照表重要说明如何以编程方式获取最常用的是 COCO 2017 数据集。其目标检测/实例分割任务包含 80个物品类别。 下面是这80个类别的完整ID、名称及对应中文翻译的详细列表。 COCO 2017/2014 数据集 80个类别I…【PYTHON】COCO数据集中的物品IDCOCO 2017/2014 数据集 80个类别ID对照表重要说明如何以编程方式获取最常用的是COCO 2017数据集。其目标检测/实例分割任务包含80个物品类别。下面是这80个类别的完整ID、名称及对应中文翻译的详细列表。COCO 2017/2014 数据集 80个类别ID对照表注意在2017版本中ID是从1开始连续到90但中间有缺失实际只有80个类别。2014版本中有一个“背景”类ID为0但2017年官方提供的标注文件中已不含ID 0。ID英文名称中文名称1person人2bicycle自行车3car汽车4motorcycle摩托车5airplane飞机6bus公交车7train火车8truck卡车9boat船10traffic light交通信号灯11fire hydrant消防栓12stop sign停车标志13parking meter停车计时器14bench长椅15bird鸟16cat猫17dog狗18horse马19sheep羊20cow牛21elephant大象22bear熊23zebra斑马24giraffe长颈鹿25backpack背包26umbrella雨伞27handbag手提包28tie领带29suitcase行李箱30frisbee飞盘31skis滑雪板32snowboard单板滑雪板33sports ball运动球34kite风筝35baseball bat棒球棒36baseball glove棒球手套37skateboard滑板38surfboard冲浪板39tennis racket网球拍40bottle瓶子41wine glass红酒杯42cup杯子43fork叉子44knife刀45spoon勺子46bowl碗47banana香蕉48apple苹果49sandwich三明治50orange橙子51broccoli西兰花52carrot胡萝卜53hot dog热狗54pizza披萨55donut甜甜圈56cake蛋糕57chair椅子58couch沙发59potted plant盆栽植物60bed床61dining table餐桌62toilet马桶63tv电视64laptop笔记本电脑65mouse鼠标66remote遥控器67keyboard键盘68cell phone手机69microwave微波炉70oven烤箱71toaster烤面包机72sink水槽73refrigerator冰箱74book书75clock钟76vase花瓶77scissors剪刀78teddy bear泰迪熊79hair drier吹风机80toothbrush牙刷重要说明版本一致性COCO 2014和COCO 2017的这80个类别ID和名称完全一致。COCO 2015/2020等后续版本在目标检测/实例分割任务上也沿用这个类别体系。在代码中如使用PyTorch的torchvision.datasets.CocoDetection类别ID就是如上所示的1到90之间的不连续数字。索引转换在训练模型时经常需要将不连续的COCO ID1,2,3…90映射为连续的训练索引0,1,2…79。这是模型实现中常见的步骤。其他任务全景分割COCO还有一个Panoptic数据集包含了133个类别80个“thing”类别 53个“stuff”类别如天空、草地、墙壁等。图像描述用于此任务的数据使用相同的图片但标注是句子不涉及物品ID。如何以编程方式获取如果你使用COCO官方提供的Python API (pycocotools)可以轻松获取这个列表frompycocotools.cocoimportCOCO# 加载标注文件annFile‘instances_train2017.json’ cocoCOCO(annFile)# 获取所有类别信息catscoco.loadCats(coco.getCatIds())# 按ID排序cats.sort(keylambdax:x[‘id’])# 打印forcatincats:print(f”ID:{cat[‘id’]:2},Name:{cat[‘name’]:20}(Super:{cat[‘supercategory’]})”)总结最常用的COCO物体检测数据集包含80个物品类别其ID范围是1到90不连续。上表提供了完整的对应关系在进行数据加载、结果可视化或模型评估时至关重要。