背景

到现在，我的vitpose在full coco dataset已经跑了1天07个小时了，eta还有12个小时，要是每次我造一个新模型就得跑2天，那我估计要被我导师一脚踹飞了。因此我准备子集切一个COCO姿态估计数据集的子集出来，要切分就肯定要先了解数据格式，所以我就先去探索了一下coco姿态估计的json标注，然后就有了这篇文章。

Person_keypoints_train2017.json 结构解读

用Dadroit JSON阅读器打开 person_keypoints_train_2017.json文件，最顶层有5个key：

info

包含了COCO数据集的元信息，如网址，版本，年份等等：

licneses

包含了如何合法使用和分发数据集中的内容，对训练没啥用所以跳过

images

包含所有训练图片，一共有118287个元素，这里面的每一个元素都对应着一个img的元信息，对训练重要的有三个：

• 文件名
• 图片尺寸
• 唯一的索引id
  

annotations：

现在重头戏来了，annotations表示在这个Pose-Estimation标注文件中提供的所有标注信息，在这个train的标注文件中一共有262465条标注，每一条标注的结构如下所示：

• segmentation： 这个是语义分割的标注，用一堆坐标点把一个实例抠出来，和姿态估计不怎么相关，先不管

接下来就是和keypoints相关的annotation部分

• num_keypoints: 图片中可见的coco关键点有几个

• area：标注对象所占的像素面积

• iscrowd: 这个人和其他人有没有重合，有1否0

• keypoints： 一共有51个元素，对应着17个coco关键点的一维序列展开（每个点有(x, y visible)三个属性， 3 * 17 = 51）
  

• image_id: 这个标注对应的图片id

• bbox：该物体的检测框[xywh] (x, y)是左上角坐标，w代表宽度，h代表高度
  

• category_id： 物体的所属类别，在姿态估计任务中只有1个，就是人，id为1

• id：标注的唯一id

categories

对应着每个categories的关键点配置，这里目前只有人一类，所以catgories的元素就只有一个

• supercategory: 所属超类，先不管

• id：category的id

• keypoints：定义了这个类有多少个keypoints，以及每个keypoints的名字
  

• skeleton：定义了每个关键点之间的连接，每一个元素就是一个连接线，第一个连接线就是16和14关键点的连接。coco完整的人体标注会有19条连接线。
  

后记

这里只是简单的过了一遍json中的大概结构和重要字段，充当一个速查表的作用了。