命名与定位
Common Objects in Context（COCO）是微软研究院 2014 年开源的 multi-task 视觉基准，覆盖目标检测、实例分割、全景分割、关键点检测与图像描述五项任务。其设计目标是“对象级上下文理解”，强调复杂场景下的精细标注与长尾分布。数据规模与标注粒度
• 图像量：123 k 张训练 + 40 k 验证 + 20 k 测试（2017 split）。
• 类别：80 thing 类（人、车、动物等）+ 91 stuff 类（可扩展，用于全景分割）。
• 实例框：1.5 M 个轴对齐 bbox，全部人工绘制，IoU>90 % 通过二次质检。
• 分割掩膜：instance mask 采用 uncompressed RLE，平均顶点数 ≈ 200，支持像素级 IOU 评估。
• 关键点：17 点骨架，标注人数 > 250 k，遮挡点统一赋 vis=1。
• 平均图像分辨率：640×480；最小对象 16×16 像素，保证下游小目标训练价值。
• 元数据：每张图附带 5 句人工英文描述，用于视觉-语言预训练。标注管线与质量控管
a. 分段式标注：先画 bbox → 生成超像素 → 人工修正 mask → 交叉验证 → 质检。
b. 质检指标：mask 精度 < 1 pixel 误差；bbox 一致性 IoU>0.95；关键点半自动地真值对比。
c. 版本冻结：2017 版后不再扩充，保证 benchmark 一致性；新增数据以“COCO-Stuff”、“LVIS”外挂形式发布。评估协议（官方 metric）
• 检测：mAP@0.50:0.95（primary）、mAP@0.50（PASCAL 兼容）、mAP@small/medium/large。
• 分割：mask mAP（同检测指标），RLE 直接参与计算。
• 关键点：OKS-based mAP，σ 按人体部位动态加权。
• 全景分割：PQ = SQ × RQ，统一 thing & stuff 评估。与下游任务的接口
a. 检测/实例分割：提供 COCO API（Python/C++），RLE ↔ polygon 互转，支持 COCOeval 一键算分。
b. 预训练权重：ImageNet-1k → COCO 微调后的 ResNet、Swin、ConvNeXt、ViT 检测/分割 checkpoint，已成为 torchvision、Detectron2、MMDetection 的默认初始化。
c. 长尾修正：LVIS 在 COCO 基础上引入 1 k+ 类别与 federated 采样，解决 rare 类 AP 塌陷。
d. 视觉-语言：COCO Captions + VG Regions → CLIP、ALIGN、BLIP 等预训练语料。工业界落地价值
• 低成本冷启动：用 COCO 预训练权重初始化，10 % 自定义数据即可达到 95 % 终版性能，节省 70 % 标注与 GPU 费用。
• 端侧部署：80 类覆盖交通、安防、零售高频目标，结合量化后 4 MB YOLO-Nano 可在 RK3588 / Snapdragon 7 Gen1 上 30 FPS 运行。
• 合规审计：COCO 采用 CC BY 4.0，商用仅需署名，无 GDPR 人脸风险（已匿名化）。版本演进与兼容性
2014 → 2015 → 2017（现行主版本）→ 2018 Keypoints → 2020 Panoptic。
API 0.5+ 支持无缝切换，评估脚本向下兼容；老模型迁移只需改类别映射表。一键复现（Detectron2 示例）
pip install detectron2 -f https://dl.fbaipublic.com/detectron2/wheels/cu118/torch2.1/index.html
wget http://images.cocodataset.org/zips/val2017.zip
wget http://images.cocodataset.org/annotations/annotations_trainval2017.zip
from detectron2.config import get_cfg
from detectron2.engine import DefaultPredictor
cfg = get_cfg()
cfg.merge_from_file("detectron2/configs/COCO-Detection/faster_rcnn_R50_FPN_3x.yaml")
cfg.MODEL.WEIGHTS = "detectron2://COCO-Detection/faster_rcnn_R50_FPN_3x/137849458/model_final_280758.pkl"
predictor = DefaultPredictor(cfg)
- 结论
COCO 以严格的标注质量、多任务兼容性与工业级工具链，成为计算机视觉的“黄金初始化”。无论是云端大模型还是终端小芯片，先加载 COCO 权重再微调，仍是目前性价比最高的性能下限提升策略。