forked from mindspore-Ecosystem/mindspore
151 lines
8.9 KiB
ReStructuredText
151 lines
8.9 KiB
ReStructuredText
|
mindspore.dataset.CocoDataset
|
|||
|
|
==============================
|
|||
|
|
|
|||
|
|
Class mindspore.dataset.CocoDataset(dataset_dir, annotation_file, task='Detection', num_samples=None, num_parallel_workers=None, shuffle=None, decode=False, sampler=None, num_shards=None, shard_id=None, cache=None, extra_metadata=False)
|
|||
|
|
|
|||
|
|
用于读取和解析COCO数据集的源数据文件。
|
|||
|
|
该API支持解析COCO2017数据集，支持四种类型的机器学习任务，分别是目标检测、关键点检测、物体分割和全景分割。
|
|||
|
|
|
|||
|
|
根据不同`task`参数设置，生成数据集具有不同的输出列：
|
|||
|
|
- `task` = :py:obj:`Detection`, 输出列: :py:obj:`[image, dtype=uint8]`, :py:obj:`[bbox, dtype=float32]`, :py:obj:`[category_id, dtype=uint32]`, :py:obj:`[iscrowd, dtype=uint32]`.
|
|||
|
|
- `task` = :py:obj:`Stuff`, 输出列: :py:obj:`[image, dtype=uint8]`, :py:obj:`[segmentation,dtype=float32]`, :py:obj:`[iscrowd,dtype=uint32]`.
|
|||
|
|
- `task` = :py:obj:`Keypoint`, 输出列: :py:obj:`[image, dtype=uint8]`, :py:obj:`[keypoints, dtype=float32]`, :py:obj:`[num_keypoints, dtype=uint32]`.
|
|||
|
|
- `task` = :py:obj:`Panoptic`, 输出列: :py:obj:`[image, dtype=uint8]`, :py:obj:`[bbox, dtype=float32]`, :py:obj:`[category_id, dtype=uint32]`, :py:obj:`[iscrowd, dtype=uint32]`, :py:obj:`[area, dtype=uint32]`.
|
|||
|
|
|
|||
|
|
**参数：**
|
|||
|
|
- **dataset_dir** (str)：包含数据集文件的根目录路径。
|
|||
|
|
- **annotation_file** (str)：数据集标注JSON文件的路径。
|
|||
|
|
- **task** (str，可选)：指定COCO数据的任务类型。支持的任务类型包括：`Detection`、`Stuff`、`Panoptic`和`Keypoint`（默认为`Detection`）。
|
|||
|
|
- **num_samples** (int，可选)：指定从数据集中读取的样本数（可以小于数据集总数，默认值为None，即全部样本图片)。
|
|||
|
|
- **num_parallel_workers** (int，可选)：指定读取数据的工作线程数（默认值None，即使用mindspore.dataset.config中配置的线程数）。
|
|||
|
|
- **shuffle** (bool，可选)：是否混洗数据集（默认为None，下表中会展示不同配置的预期行为）。
|
|||
|
|
- **decode** (bool，可选)：是否对读取的图像进行解码操作（默认为False）。
|
|||
|
|
- **sampler** (Sampler，可选)：指定从数据集中选取样本的采样器（默认为None，下表中会展示不同配置的预期行为）。
|
|||
|
|
- **num_shards** (int, 可选)：指定分布式训练时将数据集进行划分的分片数（默认值None）。指定此参数后, `num_samples` 表示每个分片的最大样本数。
|
|||
|
|
- **shard_id** (int, 可选)：指定分布式训练时使用的分片ID号（默认值None）。只有当指定了 `num_shards` 时才能指定此参数。
|
|||
|
|
- **cache** (DatasetCache, 可选)：数据缓存客户端实例，用于加快数据集处理速度（默认为None，不使用缓存）。
|
|||
|
|
- **extra_metadata** (bool，可选)：用于指定是否额外输出一列数据用于表示图像元信息。如果为True，则将额外输出一列数据，名为:py:obj:`[_meta-filename, dtype=string]` （默认值为False）。
|
|||
|
|
|
|||
|
|
**异常：**
|
|||
|
|
- **RuntimeError**: 参数`dataset_dir`不包含任何数据文件。
|
|||
|
|
- **RuntimeError**: 参数`num_parallel_workers`超过系统最大线程数。
|
|||
|
|
- **RuntimeError**: 同时指定了`sampler`和`shuffle`。
|
|||
|
|
- **RuntimeError**: 同时指定了`sampler`和`num_shards`。
|
|||
|
|
- **RuntimeError**: 指定了`num_shards`参数，但是未指定`shard_id`参数。
|
|||
|
|
- **RuntimeError**: 指定了`shard_id`参数，但是未指定`num_shards`参数。
|
|||
|
|
- **RuntimeError**: 解析JSON文件失败。
|
|||
|
|
- **ValueError**： 指定的任务不为`Detection`，`Stuff`，`Panoptic`或`Keypoint`。
|
|||
|
|
- **ValueError**： 参数`annotation_file`对应的文件不存在。
|
|||
|
|
- **ValueError**： 参数`dataset_dir`路径不存在。
|
|||
|
|
- **ValueError**: 参数`shard_id`错误（小于0或者大于等于 `num_shards`）。
|
|||
|
|
|
|||
|
|
**注：**
|
|||
|
|
- 当指定`extra_metadata`为True时，除非显式使用`rename`算子以删除元信息列明的前缀('_meta-')，
|
|||
|
|
否则迭代的数据行中不会出现'[_meta-filename, dtype=string]'列。
|
|||
|
|
- CocoDataset的`sampler`参数不支持指定PKSampler。
|
|||
|
|
- 此数据集可以指定`sampler`参数，但`sampler` 和 `shuffle` 是互斥的。下表展示了几种合法的输入参数及预期的行为。
|
|||
|
|
|
|||
|
|
.. list-table:: 配置`sampler`和`shuffle`的不同组合得到的预期排序结果
|
|||
|
|
:widths: 25 25 50
|
|||
|
|
:header-rows: 1
|
|||
|
|
|
|||
|
|
* - 参数`sampler`
|
|||
|
|
- 参数`shuffle`
|
|||
|
|
- 预期数据顺序
|
|||
|
|
* - None
|
|||
|
|
- None
|
|||
|
|
- 随机排列
|
|||
|
|
* - None
|
|||
|
|
- True
|
|||
|
|
- 随机排列
|
|||
|
|
* - None
|
|||
|
|
- False
|
|||
|
|
- 顺序排列
|
|||
|
|
* - 参数`sampler`
|
|||
|
|
- None
|
|||
|
|
- 由`sampler`行为定义的顺序
|
|||
|
|
* - 参数`sampler`
|
|||
|
|
- True
|
|||
|
|
- 不允许
|
|||
|
|
* - 参数`sampler`
|
|||
|
|
- False
|
|||
|
|
- 不允许
|
|||
|
|
|
|||
|
|
**样例：**
|
|||
|
|
>>> coco_dataset_dir = "/path/to/coco_dataset_directory/images"
|
|||
|
|
>>> coco_annotation_file = "/path/to/coco_dataset_directory/annotation_file"
|
|||
|
|
>>>
|
|||
|
|
>>> # 1）读取COCO数据集中`Detection`任务中的数据。
|
|||
|
|
>>> dataset = ds.CocoDataset(dataset_dir=coco_dataset_dir,
|
|||
|
|
... annotation_file=coco_annotation_file,
|
|||
|
|
... task='Detection')
|
|||
|
|
>>>
|
|||
|
|
>>> # 2）读取COCO数据集中`Stuff`任务中的数据。
|
|||
|
|
>>> dataset = ds.CocoDataset(dataset_dir=coco_dataset_dir,
|
|||
|
|
... annotation_file=coco_annotation_file,
|
|||
|
|
... task='Stuff')
|
|||
|
|
>>>
|
|||
|
|
>>> # 3）读取COCO数据集中`Panoptic`任务中的数据。
|
|||
|
|
>>> dataset = ds.CocoDataset(dataset_dir=coco_dataset_dir,
|
|||
|
|
... annotation_file=coco_annotation_file,
|
|||
|
|
... task='Panoptic')
|
|||
|
|
>>>
|
|||
|
|
>>> # 4）读取COCO数据集中`Keypoint`任务中的数据。
|
|||
|
|
>>> dataset = ds.CocoDataset(dataset_dir=coco_dataset_dir,
|
|||
|
|
... annotation_file=coco_annotation_file,
|
|||
|
|
... task='Keypoint')
|
|||
|
|
>>>
|
|||
|
|
>>> # 在生成的COCO数据集对象中，每一次迭代得到的数据行都有"image"和"annotation"两个键。
|
|||
|
|
|
|||
|
|
**关于COCO数据集：**
|
|||
|
|
|
|||
|
|
Microsoft Common Objects in Context（COCO）是一个大型数据集，该数据集专门为目标检测，语义分割和字幕生成任务而设计。
|
|||
|
|
它拥有330K张图像（标记数量大于200K个）、1500000个目标实例、80个目标类别、91个对象类别、每张图片均有5个字幕、带关键点标注的人有250000个。
|
|||
|
|
与流行的ImageNet数据集相比，COCO的类别较少，但每个类别中的图片样本非常多。
|
|||
|
|
|
|||
|
|
您可以解压缩原始COCO-2017数据集文件如下目录结构，并通过MindSpore的API读取。
|
|||
|
|
|
|||
|
|
.. code-block::
|
|||
|
|
|
|||
|
|
.
|
|||
|
|
└── coco_dataset_directory
|
|||
|
|
├── train2017
|
|||
|
|
│ ├── 000000000009.jpg
|
|||
|
|
│ ├── 000000000025.jpg
|
|||
|
|
│ ├── ...
|
|||
|
|
├── test2017
|
|||
|
|
│ ├── 000000000001.jpg
|
|||
|
|
│ ├── 000000058136.jpg
|
|||
|
|
│ ├── ...
|
|||
|
|
├── val2017
|
|||
|
|
│ ├── 000000000139.jpg
|
|||
|
|
│ ├── 000000057027.jpg
|
|||
|
|
│ ├── ...
|
|||
|
|
└── annotation
|
|||
|
|
├── captions_train2017.json
|
|||
|
|
├── captions_val2017.json
|
|||
|
|
├── instances_train2017.json
|
|||
|
|
├── instances_val2017.json
|
|||
|
|
├── person_keypoints_train2017.json
|
|||
|
|
└── person_keypoints_val2017.json
|
|||
|
|
|
|||
|
|
**引用：**
|
|||
|
|
|
|||
|
|
.. code-block::
|
|||
|
|
|
|||
|
|
@article{DBLP:journals/corr/LinMBHPRDZ14,
|
|||
|
|
author = {Tsung{-}Yi Lin and Michael Maire and Serge J. Belongie and
|
|||
|
|
Lubomir D. Bourdev and Ross B. Girshick and James Hays and
|
|||
|
|
Pietro Perona and Deva Ramanan and Piotr Doll{\'{a}}r and C. Lawrence Zitnick},
|
|||
|
|
title = {Microsoft {COCO:} Common Objects in Context},
|
|||
|
|
journal = {CoRR},
|
|||
|
|
volume = {abs/1405.0312},
|
|||
|
|
year = {2014},
|
|||
|
|
url = {http://arxiv.org/abs/1405.0312},
|
|||
|
|
archivePrefix = {arXiv},
|
|||
|
|
eprint = {1405.0312},
|
|||
|
|
timestamp = {Mon, 13 Aug 2018 16:48:13 +0200},
|
|||
|
|
biburl = {https://dblp.org/rec/journals/corr/LinMBHPRDZ14.bib},
|
|||
|
|
bibsource = {dblp computer science bibliography, https://dblp.org}
|
|||
|
|
}
|