COCO は、マシン ビジョンの分野でオブジェクトの検出とセグメンテーション、文字のキー ポイントの検出、塗りつぶしのセグメンテーション、字幕の生成に使用される大規模な画像データセットです。このデータセットはシーンの理解に焦点を当てており、画像内のターゲットは正確なセグメンテーションによって配置されます。

このデータ セットには、ターゲット セグメンテーション、状況認識、スーパー ピクセル セグメンテーションの 3 つの特徴があり、330,000 の画像、150 万のターゲット インスタンス、80 のターゲット クラス、91 のアイテム クラス、および 250,000 人のキーポイント人物が含まれています。

COCO データセットは 2014 年に Microsoft によってリリースされ、画像キャプションの標準テスト プラットフォームになりました。