V-COCO steht für Verben in COCO. Es handelt sich um einen Datensatz, der auf dem MS COCO-Datensatz basiert und zur Erkennung von Interaktionen zwischen Personen und Objekten verwendet wird.

Der Datensatz enthält 10.346 Bilder (2.533 für das Training, 2.867 für die Validierung und 4.946 für Tests) und 16.199 Personeninstanzen. Jeder Charakter ist mit Aktionen aus 29 Kategorien kommentiert. Dieser Datensatz verfügt nicht über Interaktionsbeschriftungen, einschließlich Objekten.