COCO数据集
COCO数据集由微软赞助，其对于图像的标注信息不仅有类别、位置信息，还有对图像的语义文本描述，COCO数据集的开源使得近两三年来图像分割语义理解取得了巨大的进展，也几乎成为了图像语义理解算法性能评价的“标准”数据集。Google的开源show and tell生成模型就是在此数据集上测试的。
这个数据集以scene understanding为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。图像包括91类目标，328,000影像和2,500,000个label。
该数据集主要解决3个问题：目标检测，目标之间的上下文关系，目标的2维上的精确定位。数据集的对比示意图：
COCO数据集有91类，虽然比ImageNet和SUN类别少，但是每一类的图像多，这有利于获得更多的每类中位于某种特定场景的能力，对比PASCAL VOC，其有更多类和图像。
COCO数据集分两部分发布，前部分于2014年发布，后部分于2015年，2014年版本：82,783 training, 40,504 validation, and 40,775 testing images，有270k的segmented people和886k的segmented object；2015年版本：165,482 train, 81,208 val, and81,434 test images。
职责
目标检测
- 输出目标物的边框即可（using bounding box output），也就是我们常说的目标检测(object detection)了；
- 要求把目标物从图像中分割出来（object segmentation output），即我们所说的图像语义分割（Semantic image segmentation）；
图像标注（COCOCaptioning Challenge）
具体说来就是一句话准确描述图片上的信息（producingimage captions that are informative and accurate）。那这个怎么评分呢？目前是靠人工评分。
人体关键点检测（COCOKeypoint Challenge）
比赛要求是找到人在哪，然后定位到人体的一些关键点位置（Thekeypoint challenge involves simultaneously detecting people and localizingtheir keypoints）。
