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
Fuente oficial

¿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

Cómo cargarlopython
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

Datasets relacionados