◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。
PyTorch 中的 CocoCaptions (3)
ID:22203 / 打印请我喝杯咖啡☕
*备忘录：
- 我的帖子解释了cococaptions()使用带有captions_train2014.json、instances_train2014.json和person_keypoints_train2014.json的train2014、带有captions_val2014.json、instances_val2014.json和person_keypoints_val2014.json的val2014以及带有image_info_test2014.json的test2017， image_info_test2015.json 和 image_info_test-dev2015.json。
- 我的帖子解释了cococaptions()使用train2017与captions_train2017.json，instances_train2017.json和person_keypoints_train2017.json，val2017与captions_val2017.json，instances_val2017.json和person_keypoints_val2017.json和test2017与image_info_test2017.json和image_info_test-dev2017.json.
- 我的帖子解释了cocodetection()使用带有captions_train2014.json、instances_train2014.json和person_keypoints_train2014.json的train2014、带有captions_val2014.json、instances_val2014.json和person_keypoints_val2014.json的val2014以及带有image_info_test2014.json的test2017， image_info_test2015.json 和 image_info_test-dev2015.json。
- 我的帖子解释了cocodetection()使用train2017与captions_train2017.json，instances_train2017.json和person_keypoints_train2017.json，val2017与captions_val2017.json，instances_val2017.json和person_keypoints_val2017.json和test2017与image_info_test2017.json和image_info_test-dev2017.json.
- 我的帖子解释了cocodetection()使用train2017与stuff_train2017.json，val2017与stuff_val2017.json，stuff_train2017_pixelmaps与stuff_train2017.json，stuff_val2017_pixelmaps与stuff_val2017.json，panoptic_train2017与panoptic_train2017.json，panoptic_val2017与panoptic_val2017.json 和 unlabeled2017 以及 image_info_unlabeled2017.json。
- 我的帖子解释了 ms coco。
cococaptions() 可以使用 ms coco 数据集，如下所示。 *这是针对带有 stuff_train2017.json 的 train2017、带有 stuff_val2017.json 的 val2017、带有 stuff_train2017.json 的 stuff_train2017_pixelmaps、带有 stuff_val2017.json 的 stuff_val2017_pixelmaps、带有 panoptic_train2017.json 的 panoptic_train2017、带有 panoptic_train2017.json 的 panoptic_val2017 panoptic_val2017.json 和 unlabeled2017 以及 image_info_unlabeled2017.json:
from torchvision.datasets import CocoCaptions stf_train2017_data = CocoCaptions( root="data/coco/imgs/train2017", annFile="data/coco/anns/stuff_trainval2017/stuff_train2017.json" ) stf_val2017_data = CocoCaptions( root="data/coco/imgs/val2017", annFile="data/coco/anns/stuff_trainval2017/stuff_val2017.json" ) len(stf_train2017_data), len(stf_val2017_data) # (118287, 5000) pms_stf_train2017_data = CocoCaptions( root="data/coco/anns/stuff_trainval2017/stuff_train2017_pixelmaps", annFile="data/coco/anns/stuff_trainval2017/stuff_train2017.json" ) pms_stf_val2017_data = CocoCaptions( root="data/coco/anns/stuff_trainval2017/stuff_val2017_pixelmaps", annFile="data/coco/anns/stuff_trainval2017/stuff_val2017.json" ) len(pms_stf_train2017_data), len(pms_stf_val2017_data) # (118287, 5000) # pan_train2017_data = CocoCaptions( # root="data/coco/anns/panoptic_trainval2017/panoptic_train2017", # annFile="data/coco/anns/panoptic_trainval2017/panoptic_train2017.json" # ) # Error # pan_val2017_data = CocoCaptions( # root="data/coco/anns/panoptic_trainval2017/panoptic_val2017", # annFile="data/coco/anns/panoptic_trainval2017/panoptic_val2017.json" # ) # Error unlabeled2017_data = CocoCaptions( root="data/coco/imgs/unlabeled2017", annFile="data/coco/anns/unlabeled2017/image_info_unlabeled2017.json" ) len(unlabeled2017_data) # 123403 stf_train2017_data[2] # Error stf_train2017_data[47] # Error stf_train2017_data[64] # Error stf_val2017_data[2] # Error stf_val2017_data[47] # Error stf_val2017_data[64] # Error pms_stf_train2017_data[2] # Error pms_stf_train2017_data[47] # Error pms_stf_train2017_data[64] # Error pms_stf_val2017_data[2] # Error pms_stf_val2017_data[47] # Error pms_stf_val2017_data[64] # Error unlabeled2017_data[2] # (<PIL.Image.Image image mode=RGB size=640x427>, []) unlabeled2017_data[47] # (<PIL.Image.Image image mode=RGB size=428x640>, []) unlabeled2017_data[64] # (<PIL.Image.Image image mode=RGB size=640x480>, []) import matplotlib.pyplot as plt def show_images(data, ims, main_title=None): file = data.root.split('/')[-1] fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(14, 8)) fig.suptitle(t=main_title, y=0.9, fontsize=14) for i, axis in zip(ims, axes.ravel()): if not data[i][1]: im, _ = data[i] axis.imshow(X=im) fig.tight_layout() plt.show() ims = (2, 47, 64) show_images(data=unlabeled2017_data, ims=ims, main_title="unlabeled2017_data") 
