COCO est un grand ensemble de données d'images utilisé pour la détection et la segmentation d'objets, la détection de points clés de caractères, la segmentation de remplissage et la génération de légendes dans le domaine de la vision artificielle. Cet ensemble de données se concentre sur la compréhension de la scène et les objets de l'image sont calibrés grâce à une segmentation précise.

L'ensemble de données comporte trois fonctionnalités : la segmentation de la cible, la perception de la scène et la segmentation des superpixels. Il contient 330 000 images, 1,5 million d'instances cibles, 80 classes cibles, 91 classes d'éléments et 250 000 caractères clés.

L'ensemble de données COCO a été publié par Microsoft en 2014 et est devenu une plate-forme de test standard pour le sous-titrage d'images.