CocoDetection 是 PyTorch 的 torchvision.datasets 模块中用于加载 COCO 格式目标检测数据集的类。COCO（Common Objects in Context）是一个广泛使用的计算机视觉数据集，包含图像以及对应的目标检测、分割等标注信息。

 一、功能

CocoDetection类用于加载COCO格式的目标检测数据集，主要功能包括：

1.加载图像和对应的标注文件(JSON文件）

2.解析标注信息，包括目标类别、边界框(bbox)、分割信息等

3.支持数据增强和转换(通过transform参数)

4.提供迭代接口，方便遍历数据集中的样本。

二、参数

CocoDetection 类的构造函数参数如下：

三、返回值

每个样本返回一个元组(image, target):

image: PIL图像对象或经过transform处理后的张量

target: 一个列表，每个元素是一个字典，包含以下字段

        · segmentation: 多边形信息

        · area: 目标区域面积

        · bbox: 目标边界框，格式为[x_min, y_min, width, height]

        · image_id: 对应图像的唯一id

        · iscrowd: 是否为拥挤目标(0或1)

        · id: 该图像的第几个检测框

四、使用示例及可视化

"""""
@Author     :   jiguotong
@Contact    :   1776220977@qq.com
@site       :   
-----------------------------------------------
@Time       :   2025/3/5
@Description:   对cocodataset风格的图像及标注进行可视化
"""""

import os
import random
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import torchvision.datasets as datasets


"""获得3个(0, 1)随机数
@return: [tuple]3个(0, 1)随机数组成的元组
"""
def generate_random_color():
    return (random.random(), random.random(), random.random())


""" 将cocodataset解析的数据集可视化并保存图像
@param image: [PIL.Image.Image]需要绘制的底图
@param target: [Dict]CocoDetection解析出的annotation字典
@param output_path: [str]输出目录
@return NULL
"""
def visualize_and_save(image, target, output_path):
    # 创建画布
    _, ax = plt.subplots(1)
    ax.imshow(image)

    # 绘制每个目标的边界框和类别名称
    for annotation in target:
        box = annotation['bbox']
        class_id = annotation['category_id']
        segmentation = annotation['segmentation']
        color = generate_random_color()  # 为每个目标生成随机颜色
        
        # 1.绘制多边形
        for poly in segmentation:
            # 将多边形点转换为 (N, 2) 的数组
            poly = np.array(poly).reshape(-1, 2)
            # 绘制多边形
            polygon = patches.Polygon(poly, edgecolor=color, facecolor=color + (0.7,), linewidth=2)
            ax.add_patch(polygon)
        
        # 2.提取边界框坐标 (x_min, y_min, width, height)
        x, y, width, height = box
        rect = patches.Rectangle((x, y), width, height, linewidth=1, edgecolor='r', facecolor='none')
        ax.add_patch(rect)
    pass # for

    # 保存可视化结果
    plt.axis('off')  # 关闭坐标轴
    plt.savefig(output_path, bbox_inches='tight', pad_inches=0)
    plt.close()


if __name__=="__main__":
    # 数据集路径
    root = "./data/Images"  # 图像文件夹路径
    annFile = "./data/annot/val.json"  # 标注文件路径

    # 加载 COCO 数据集
    coco_dataset = datasets.CocoDetection(root=root, annFile=annFile)

    # 创建保存可视化结果的文件夹
    output_dir = "./coco_visualization"
    os.makedirs(output_dir, exist_ok=True)
    # 遍历数据集并保存可视化结果
    for idx in range(len(coco_dataset)):
        # 获取图像和标注
        image, target = coco_dataset[idx]

        # 获取图像文件名
        image_id = target[0]['image_id']
        image_info = coco_dataset.coco.loadImgs(image_id)[0]
        image_filename = image_info['file_name']

        # 构建输出路径
        output_path = os.path.join(output_dir, f"visualized_{image_filename}")

        # 可视化并保存
        visualize_and_save(image, target, output_path)
        print(f"Saved visualization for {image_filename} to {output_path}")
    pass