COCO / LVIS 数据集

最常用的检测与分割基准，LVIS 在 COCO 图片上扩展到上千个长尾类别。

COCO 由微软等机构 2014 年发布，约 33 万张日常场景图片、150 万个物体实例，检测和实例分割用 80 个类别，另有图像描述、人体关键点等标注，是检测、分割模型最常用的训练和评测集，mAP（平均精度均值）通常在它上面报告。LVIS 由 Facebook AI Research 的 Gupta、Dollár、Girshick 在 CVPR 2019 提出，复用 COCO 图片，重新标注了 1203 个类别、约 200 万个实例掩码，类别呈长尾分布（少数类很常见，大量类样本很少），专门考察稀有类别识别。开放词汇检测（按任意文字描述找物体）常用 LVIS 稀有类衡量零样本能力。机器人感知用的检测、分割模型大多在这两个数据集上预训练或评测。

例子YOLO 系列新版本发布时通常报告 COCO val2017 上的 mAP；YOLO-World、Grounding DINO 这类开放词汇检测器则报告在 LVIS 上的零样本 AP。

也叫

MS COCO、Microsoft COCO、LVIS v1.0

相关

目标检测、实例分割、开放词汇检测、平均精度均值、YOLO、Grounding DINO

来源

Microsoft COCO: Common Objects in Context (arXiv 1405.0312)
LVIS: A Dataset for Large Vocabulary Instance Segmentation (arXiv 1908.03195)
COCO 官网数据集介绍