COCO人员检测 完整数据集下载目录

同时包含三种主流标注格式：COCO JSON、VOC XML、YOLO TXT

COCO人员检测 数据集👥：数据集介绍、下载📥 | 目标检测｜水平框📌｜原始图像✅ | VOC 标签✅ | COCO 标签✅ | YOLO 标签✅

一、基础版本划分

COCO（Common Objects in Context） 是微软发布的大规模通用目标检测数据集，并非专门的行人数据集。日常所说「COCO人员检测数据集」指从完整COCO中提取 category_id=0（person） 的所有标注，广泛用于行人检测、行人跟踪、姿态初始化、多目标跟踪(MOT)预训练。

论文及数据集链接：Microsoft COCO: Common Objects in Context (ECCV 2014)

主流使用：COCO 2017（最通用）

• train2017：118287 张图像
• val2017：5000 张图像
• test2017：40670 张图像（无公开标注，仅用于服务器评测）

二、Person子集核心统计

• 训练集包含person标注图像：~6.4万张
• val集包含person图像：~2600张
• Person实例标注总数
  Train：262465 个行人实例
  Val：11004 个行人实例

三、标签转换

3.1 原始标签

COCO原始标注为 JSON（HBB水平包围框）
每条person实例包含信息：

1. bbox: [x, y, w, h] 左上角坐标、宽高（像素）
2. area: 目标像素面积
3. iscrowd
   • iscrowd=0：独立单人（绝大多数，训练首选）
   • iscrowd=1：密集人群、粘连人群，原始标注不区分个体，训练检测/跟踪一般建议过滤
4. category_id = 0 → person

names:
  0: person

3.2 转换后的标签

转换后的完整数据集目录（包含COCO JSON、VOC XML、YOLO TXT三种主流标签）：

📁 COCO-Person-Dataset
├─ 📂 images
│  ├─ 📁 train
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...
│  ├─ 📁 val
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...
│  ├─ 📂 COCO
│  │  └─ 📂 annotations
│  │     ├─ 📄 instances_train.json
│  │     └─ 📄 instances_val.json
│  └─ 📂 VOC
│     └─ 📂 Annotations
│        ├─ 📁 train
│        │  ├─ 📜 *.xml
│        │  └─ ...
│        └─ 📁 val
│           ├─ 📜 *.xml
│           └─ ...
└─ 📂 labels (YOLO)
   ├─ 📁 train
   │  ├─ 📃 *.txt
   │  └─ ...
   └─ 📁 val
      ├─ 📃 *.txt
      └─ ...

各个文件夹含义：

📁 COCO-Person-Dataset
├─ 📂 images
│  ├─ 📁 train
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...                # 训练集原始图像
│  ├─ 📁 val
│  │  ├─ 🖼️ *.jpg
│  │  └─ ...                # 验证集原始图像
│  ├─ 📂 COCO
│  │  └─ 📂 annotations
│  │     ├─ 📄 instances_train.json  # COCO格式训练集标注
│  │     └─ 📄 instances_val.json    # COCO格式验证集标注
│  └─ 📂 VOC
│     └─ 📂 Annotations
│        ├─ 📁 train
│        │  ├─ 📜 *.xml
│        │  └─ ...          # Pascal VOC 训练集xml标注
│        └─ 📁 val
│           ├─ 📜 *.xml
│           └─ ...          # Pascal VOC 验证集xml标注
└─ 📂 labels (YOLO)
   ├─ 📁 train
   │  ├─ 📃 *.txt
   │  └─ ...                # YOLO格式训练集归一化标签
   └─ 📁 val
      ├─ 📃 *.txt
      └─ ...                # YOLO格式验证集归一化标签

四、训练样例

此处以YOLO标签为例进行训练：