La tâche de segmentation COCO Stuff vise à faire progresser le niveau de technologie de segmentation sémantique de la classe Stuff. Par rapport à la tâche de détection de cible qui résout principalement la classe des choses (personnes, voitures, éléphants), cette tâche se concentre davantage sur la classe des objets (herbe, mur, ciel).

COCO Stuff fait référence à des objets de taille et de forme spécifiques, qui sont généralement composés de parties, tandis que Stuff Class est un arrière-plan défini par un motif uniforme ou répétitif de propriétés à petite échelle sans étendue et forme spatiales spécifiques ou uniques. Le contenu couvre environ 66% pixels dans COCO, ce qui nous permet d'interpréter et de comprendre les aspects importants de l'image : type de scène, catégories et emplacements possibles et propriétés géométriques de la scène.