三分钟掌握COCO数据集核心：用生活化比喻理解JSON结构

第一次打开COCO数据集的JSON文件时，那种扑面而来的复杂结构很容易让人望而生畏——层层嵌套的字典、密密麻麻的字段、看似无关的信息混杂在一起。但就像学习任何新技能一样，抓住核心才能快速突破。本文将用最直观的比喻和精简的代码示例，带你在三分钟内建立起对COCO数据集结构的清晰认知。

想象你正在整理一本相册。相册里有照片（images），每张照片上可能有你做的标记（annotations），而这些标记都属于某些特定类型（categories）。这就是COCO数据集最核心的三个字段：images、annotations和categories。其他如info、licenses等字段，就像相册的版权页和前言，对实际训练模型没有直接影响，初学者完全可以暂时忽略。

1. images字段：你的数字相册库

images字段包含了数据集中的所有图像信息，就像一个装满了照片的相册。每个图像都有一些基本属性：

python复制{
  "id": 1,  # 照片的唯一编号
  "file_name": "000001.jpg",  # 照片文件名
  "width": 640,  # 照片宽度(像素)
  "height": 480,  # 照片高度(像素)
  # 以下字段可暂时忽略
  "license": 1,
  "coco_url": "http://...",
  "date_captured": "2022-01-01"
}

关键点：在实际使用时，我们最关心的是id、file_name、width和height这四个字段。特别是id，它是连接images和annotations的桥梁。

用Python快速提取所有图像基本信息：

python复制import json

with open('coco_annotations.json') as f:
    data = json.load(f)

for img in data['images'][:3]:  # 查看前3张图像信息
    print(f"ID:{img['id']} 文件名:{img['file_name']} 尺寸:{img['width']}x{img['height'