程序员经验分享-hwhale

CoCo数据集下载

2023-05-16

文章目录

  • 1.介绍
  • 2.下载
    • 2.1 官网
    • 2.2 百度网盘
    • 2.3 下载到linux服务器

1.介绍

MS COCO的全称是Microsoft Common Objects in Context，起源于微软2014年的Microsoft COCO数据集

COCO is a large-scale object detection, segmentation, and captioning dataset. COCO has several features

主要用于目标检测，图像分割，姿态估计等，共有80个类
在这里插入图片描述

更过内容可以看原始论文：Microsoft COCO: Common Objects in Context

2.下载

下载的方法很多，从我自己下载的经历来看，主要有这么几种方法

2.1 官网

第一种方法肯定是官网，来到下载页面：https://cocodataset.org/#download

在这里插入图片描述
Images就是数据集，Annotations表示标注信息使用 JSON 格式存储( annotations ), COCO API用于访问和操作所有“标注”进行预处理

在这里插入图片描述
不同年份的数据集用在不同的任务上，常用的是2017 train/val/test images

2.2 百度网盘

众所周知，官网不是慢就是访问不了,（有时是点了没反应，有时是无法安全下载）所以得采取别的方法。
从我自身角度，我是官网下载点了没反应，所以我就只能去找下载链接，直接将需要下载数据集的链接输入到浏览器，就可以自动下载了。
我把几个常见的下载链接列了出来（以2017为例）如果需要下载其他的可以仿照

数据集下载链接
2017 Train images [118K/18GB]http://images.cocodataset.org/zips/train2017.zip
2017 Val images [5K/1GB]http://images.cocodataset.org/zips/val2017.zip
2017 Test images [41K/6GB]http://images.cocodataset.org/zips/test2017.zip
2017 Train/Val annotations [241MB]http://images.cocodataset.org/annotations/annotations_trainval2017.zip

如果本地下载很慢（我试的时候挺快），可以用百度网盘的离线下载，打开百度网盘，点击离线下载，将上述链接输入，就可以保存到网盘了（也需要一点时间）
在这里插入图片描述

2.3 下载到linux服务器

如果是需要在服务器上进行跑实验，可以直接通过wget+下载链接，
例如：

wget http://images.cocodataset.org/zips/train2017.zip
wget http://images.cocodataset.org/zips/val2017.zip
wget http://images.cocodataset.org/zips/test2017.zip

实测速度emmm
（其实这就属于linux的命令了，只要是把链接输入到浏览器能够直接下载的，那这个命令就可以用，其他数据集下载也可以参考这样）

也可以用aria2工具，一个命令行下载器（详细的介绍，可以参考：Aria2 安装和使用全教程）
在这里就用他的基本用法：

sudo apt-get install aria2  # sudo安装
# aria2c -c <url>   #<url>即为官网下载地址
aria2c -c http://images.cocodataset.org/zips/val2017.zip

实测速度会快一点……

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

COCO

数据集下载

CoCo数据集下载 的相关文章

随机推荐

  • CM&CDH安装

    笔者当时自己装CM amp CDH看了不下10篇博客 xff0c 重装集群不下3次 xff0c 后来快照这个功能深深的刻在了我的心里 这篇博客笔者呕心沥血啊 不过还是会有同学会挂掉 xff0c 所以希望大家做到那里一步记得快照 发一下牢骚

  • jvm复习：主动产生fullGC

    一 jdk8参数 Xms100m Xmx100m Xmn30m XX 43 PrintGCDetails 二 代码 xff1a package cn edu tju test public class GcTest01 public sta

  • Zookeeper机制和应用场景

    Zookeeper简介 Zookeeper 分布式服务框架是 Apache Hadoop 的一个子项目 xff0c 它主要是用来解决分布式应用中经常遇到的一些数据管理问题 xff0c 如 xff1a 统一命名服务 状态同步服务 集群管理 分

  • crontab定时器

    crontab定时器 linux下的定时任务 1 编辑使用crontab e 一共6列 xff0c 分别是 xff1a 分 时 日 月 周 命令 2 查看使用crontab l 3 删除任务crontab r 4 查看crontab执行日志

  • Linux后台运行程序

    在我们平常的时候运行程序的时候会产生很多的信息 xff0c 这些信息有时候有用 xff0c 有时候没用 xff0c 不过这些数据都会在该程序的log中保存 xff0c 所以把这些信息放在前台就不是很好 我们可以将脚本放在后台运行 xff0c

  • vnc的两种配置方法及解决vnc连不上的情况

    1 vnc连不上的现象 xff1a Timed out waiting for a response from the computer 解决方法 xff1a sudo sbin iptables I INPUT 1 p TCP dport

  • 【随写笔记】TouchGFX

    https www cnblogs com firege p 5805823 html https blog csdn net u013766436 article details 50805808 LTDC STM32F429系列芯片内部

  • BGP路由协议

    特点 BGP是一种外部网关协议 xff08 EGP xff09 xff0c 不擅长路由计算 xff0c 擅长路由控制 OSPF ISIS等内部网关协议 xff08 IGP xff09 xff0c 擅长路由计算 xff0c 不擅长路由控制 B

  • sed命令的使用(合并行)

    1 把所有不以句号结尾的行 xff0c 和下一行合并 span class token function sed span i span class token string 39 N s n 39 span abc txt 2 把两行合并

  • Mybatis常见面试题及答案

    文章目录 1 什么是Mybatis xff1f 2 Mybaits的优缺点 xff1a 3 和 的区别是什么 xff1f 4 通常一个mapper xml文件 xff0c 都会对应一个Dao接口 xff0c 这个Dao接口的工作原理是什么

  • HDFS排查路径

    遇到HDFS的问题 xff0c 首先需要排除可用类问题 可用类问题按影响 紧急程度不同 xff0c 可继续分为HDFS功能性受损 lt 61 HDFS高可靠性 高可用性受损 按照以下步骤进行排查 xff0c 以下任意一项有异常 xff0c

  • Docker复习： jar包打成docker

    FROM openjdk 8 ARG JAR FILE COPY springbootmybatis 1 0 SNAPSHOT jar app jar EXPOSE 9012 ENTRYPOINT 34 sh 34 34 c 34 34 j

  • iscsi磁盘挂载并设置为开机自动挂载

    前提准备 xff1a 安装iscsi客户端软件 yum y install iscsi initiator utils 第一步 xff1a 发现ISCSI设备 root 64 sdw4 iscsiadm m discovery t st p

  • 关于华为AC6507S能ping通web和ssh却登录不上排障记录（管理面隔离）

    一 客户描述PC和服务器能ping通AC但是web却登录不上 测试 xff1a 设置服务器地址为192 168 0 100 24 AC地址192 168 0 2 24 用0 100去ping0 2可以ping通 xff0c web登录连接失

  • tensor 和 numpy 的互相转换

    为什么要相互转换 xff1a 简单一句话 numpy操作多样 简单 但网络前向只能是tensor类型 各有优势 所以需要相互转换补充 convert Tensor x of torch to array y of numpy y 61 x

  • 图像畸变矫正算法实现 matlab版

    真正的相机镜头不理想 xff0c 并在图像中引入一些失真 为了解释这些非理想性 xff0c 有必要在透视投影的方程中添加失真模型 一 原图如下 xff1a 二 实现的效果图 三 算法具体实现 function undistorted img

  • Pytorch学习笔记（六）之完整的模型训练（以Cifar10为例）

    文章目录 前言 xff1a 数据集介绍0 准备工作 xff1a 首先导入相关包 xff0c 设置参数等1 数据预处理之增强 transforms等 2 数据的读取 Dataset amp Dataloader 3 模型的搭建 nn mode

  • 对抗攻击（Adversarial Attack）

    文章目录 对抗攻击对抗防御 对抗攻击 图片可以看成一个很长的向量 xff0c 如果在图片的每个像素上都加上一个很小的pertubation 扰动 杂讯 xff0c 再把它输入到神经网络 xff0c 这个时候分类器可能就会误判 没有被攻击的图

  • 【对抗攻击论文笔记】对抗迁移性：Delving Into Transferable Adversarial Examples And Black-Box Attacks

    文章目录 论文概述ideamethod 详细内容摘要1 介绍2 对抗深度学习和可迁移性2 1 对抗深度学习问题2 2 对抗样本生成的方法2 3 评估方法 3 非定向对抗样本3 1 基于优化3 2 基于FGSM 4 定向对抗样本5 集成的方法

  • CoCo数据集下载

    文章目录 1 介绍2 下载2 1 官网2 2 百度网盘2 3 下载到linux服务器 1 介绍 MS COCO的全称是Microsoft Common Objects in Context xff0c 起源于微软2014年的Microsof

热门标签