COCO常用API解析

from pycocotools.coco import COCO
from coco_context import *

json_path = '/home/cmv/PycharmProjects/coco/annotations/instances_val2017.json'
coco = COCO(json_path)

coco_data = {
    'info': info,
    'licenses': licenses,
    'images': images,  # 5000张图片
    'annotations': annotations,  # 36781个标注物体
    'categories': categories  # 80个类别 注! id为90类中的类别索引
}

"""
COCO类初始化
1.json.load(json文件)
2.循环 annotations字段 生成一个key为image_id,value为image_id的标注信息的dict -> imgToAnns,同时生成一个key为标注id,value为标注信息的dict -> anns
2- imgToAnns = {image_id:[ann_1,...],...}  anns = {id_1:{ann_1},id_2:{ann_2},...}
3.循环 images字段 生成一个key为img_id,value为img信息的dict
3- imgs = {image_id:{img_info},...}
4.循环 categories字段 生成一个key为category_id,value为category信息的dict
4- cats = {category_id：{category信息},...}
5.循环 annotations字段 生成一个key为category_id,value为image_id(list)的dict
5- catToImgs = {category_id：[image_id1,image_id2],...}

COCO内部实现的方法
1.getAnnIds(self, imgIds=[], catIds=[], areaRng=[], iscrowd=None)
    参数:
        imgIds->指定image_id范围     [2,60,0]
        catIds->指定category_id范围  [1,2,56]
        areaRng-> 指定area范围  [min,max]
        iscrowd-> 指定iscrowd值 
    返回:
        满足以上条件的id,如果4个参数都没有指定,则返回所有id
    
2.getCatIds(self, catNms=[], supNms=[], catIds=[]):
    参数:
        catNms->指定 子类别 范围     ['tv','car','people']
        supNms->指定 父类别 范围     ['vehicle','animal','person']
        catIds->指定category_id范围  [1,2,56]
    返回:
        满足以上条件的category_id,如果3个参数都没有指定,则返回所有category_id
    
3.getImgIds(self, imgIds=[], catIds=[]):
    参数:
        imgIds->指定image_id范围     [0,85,33]
        catIds->指定category_id范围  [89,2,11]
    返回:
        满足以上条件的image_id,如果2个参数都没有指定,则返回所有image_id
        
4.loadAnns(self, ids=[]):
    参数:
        ids->指定id范围     [1221111,85,8742312] 或 2
    返回:
        满足以上条件的ann_info -> [{},{},{}] 或[{}]  注: {}仅代表一个dict型信息,并非为空dict，下同
        
5.loadCats(self, ids=[]):
    参数:
        ids->指定category_id范围     [2,89,19] 或 2
    返回:
        满足以上条件的category_info -> [{},{},{}] 或[{}]

6.loadImgs(self, ids=[]):
    参数:
        ids->指定image_id范围     [333,89,19] 或 2
    返回:
        满足以上条件的image_info -> [{},{},{}] 或[{}]

7.showAnns(self, anns, draw_bbox=False):
    参数:
        anns->指定anns内容     [{},{},{}] 或[{}]
        draw_bbox->是否绘制矩形框
    返回:
        无
    使用方法: 1.plt.imshow(img) 2.anns = loadAnns(annIds)  3.coco.showAnns(anns)

8.loadRes(self, resFile):
    参数:
        resFile->指定json文件 假设现有数据集为A,resFile
    返回:
        COCO初始化了的resFile
    执行流程
        0.res=COCO(),且将A.dataset中的images字段复制到res.dataset中
        1.如果resFile是路径的话则json加载 B = json.load(f)
        2.如果是numpy型数据的话则调用loadNumpyAnnotations加载 B = self.loadNumpyAnnotations(resFile)
        3.如果都不是以上两种情况,则直接赋值 B = resFile
        4.但B必须是list对象 -> [{ann_1},{ann_2},...]
        5.A,B中的数据必须满足这样的关系,A∪B=A或者 A∩B=B,否则报错.其实如果不出意外A=B(imgIds维度)
        6.如果ann_1中有caption字段(看图说话)
            6-0.for id, ann in enumerate(B) 循环B
            6-1.获取A∩B的imgIds,由5可知,为B的imgIds
            6-2.更新res.dataset中的images字段,过滤掉不存在于B中的imgIds
            6-3.重置或添加ann中的id值,∈[1,len(B)]
        7.如果ann_1中有bbox字段(检测),将A.dataset中的categories字段复制(深)给res.dataset
            7-0.for id, ann in enumerate(B) 循环B
            7-2.如果'segmentation'不在ann中,那么ann['segmentation'] = [[x1, y1, x1, y2, x2, y2, x2, y1]]
            7-3.添加ann中的几个字段 area, id, iscrowd, 分别为 w*h id+1 0,以使其满足COCO数据的格式要求
        8.如果ann_1中有segmentation字段(分割),将A.dataset中的categories字段复制(深)给res.dataset
            8-0.for id, ann in enumerate(B) 循环B
            8-1.根据像素计算出mask区域的面积
            8-2.如果'bbox'不在ann中,那么计算出mask区域的最小外接矩形,并将其赋予'bbox'
            8-3.添加ann中的几个字段 id, iscrowd, 分别为 id+1 0,以使其满足COCO数据的格式要求
        9.如果ann_1中有keypoints字段(关键点),将A.dataset中的categories字段复制(深)给res.dataset
            9-0.for id, ann in enumerate(B) 循环B
            9-1.s = ann['keypoints']
            9-2.x,y = s[0::3],s[1::3]
            9-3.获取其最小外接矩形,area, id, bbox字段同上.
        10.将更新后了的B赋予res.dataset中的'annotations'字段.此时就集齐了images,categories,annotations三个字段
        11.对res初始化.

9.download(self, tarDir = None, imgIds = [] ):
    参数:
        tarDir:保存文件夹
        imgIds:指定所要下载的image_id [22112,12341] 或 21231344
    返回:
        无

10.loadNumpyAnnotations(self, data):
    参数:
        data->[N,7] numpy array  7->[imageID,x1,y1,w,h,score,class]
    返回:
        ann (python嵌套列表) [{'image_id' : imageID,
                              'bbox'  : [x1,y1,w,h],
                              'score' : score,
                              'category_id': int(class)},*N]

11.annToRLE(self, ann):
    参数:
        ann:标注信息{}
    返回:
        binary mask (numpy 2D array)
"""