Die COCO Stuff Segmentation Task zielt darauf ab, das Niveau der semantischen Segmentierungstechnologie der Stuff-Klasse zu verbessern. Im Vergleich zur Zielerkennungsaufgabe, die hauptsächlich die Dingklasse (Menschen, Autos, Elefanten) löst, konzentriert sich diese Aufgabe mehr auf die Zeugklasse (Gras, Wand, Himmel).

COCO Stuff bezieht sich auf Objekte einer bestimmten Größe und Form, die normalerweise aus Teilen bestehen, während Stuff Class ein Hintergrund ist, der durch ein einheitliches oder sich wiederholendes Muster feinskaliger Eigenschaften ohne eine bestimmte oder einzigartige räumliche Ausdehnung und Form definiert ist. Das Material umfasst in COCO etwa 66%-Pixel, was es uns ermöglicht, wichtige Aspekte des Bildes zu interpretieren und zu verstehen: Szenentyp, mögliche Kategorien und Standorte sowie geometrische Eigenschaften der Szene.