COCO (Common Objects in Context)
Imágenes cotidianas anotadas con segmentación, detección de objetos y descripciones de texto.
ÁreaVisión por Computadora
DominioVisión Por Computadora
DificultadAvanzado
Tamaño~330,000 imágenes · 80 categorías de objetos
¿Qué puedes lograr con este dataset?
- Entrenar modelos de detección de objetos y segmentación de instancias
- Trabajar con anotaciones complejas (bounding boxes, máscaras, keypoints, captions)
- Evaluar modelos con las métricas estándar de la comunidad (mAP)
Descripción
COCO es el benchmark de referencia para detección de objetos, segmentación y generación de descripciones de imágenes, con anotaciones detalladas de 80 categorías de objetos en escenas cotidianas complejas, mucho más ricas que las clasificaciones simples de ImageNet.
Casos de uso
- Detección y segmentación de objetos en imágenes
- Generación automática de descripciones de imágenes (image captioning)
- Benchmarking de arquitecturas modernas de visión (YOLO, Mask R-CNN, DETR)
- Estimación de poses humanas con las anotaciones de keypoints
Cómo cargarlo
from pycocotools.coco import COCO
coco = COCO("annotations/instances_val2017.json")
ids_categoria = coco.getCatIds(catNms=["dog"])
print(coco.getImgIds(catIds=ids_categoria)[:5])Ventajas y limitaciones
Ventajas
- Anotaciones extremadamente ricas (cajas, máscaras, keypoints, texto) sobre las mismas imágenes
- Estándar de evaluación aceptado en toda la literatura de detección de objetos
- Escenas complejas y realistas, más representativas del mundo real que datasets simples
Limitaciones
- El formato de anotaciones (JSON anidado) tiene una curva de aprendizaje inicial
- Entrenar modelos competitivos sobre COCO requiere GPUs potentes y tiempo considerable