COCO 2014 (Common Objects in Context) est la première version publique du jeu de données Microsoft COCO, une collection d'images à grande échelle conçue pour faire progresser la détection d'objets, la segmentation et la génération de légendes d'images. Présenté pour la première fois dans un article de 2014 par Tsung-Yi Lin, Michael Maire, Serge Belongie, James Hays, Pietro Perona, Deva Ramanan, Piotr Dollár et C. Lawrence Zitnick, le jeu de données comprend 328 000 images contenant plus de 2,5 millions d'instances étiquetées réparties dans 80 catégories d'objets. Sa caractéristique déterminante est l'accent mis sur les scènes quotidiennes avec des objets dans leurs relations spatiales naturelles, contrastant avec des jeux de données antérieurs comme ImageNet qui présentaient souvent des sujets centrés et isolés.
La version de 2014 a établi les divisions standard train/validation (val) qui sont devenues une convention de référence. L'ensemble d'entraînement contient 82 783 images, tandis que l'ensemble de validation en compte 40 504 ; un ensemble de test séparé de 40 775 images a été utilisé pour l'évaluation, mais ses étiquettes ont été retenues pendant un certain temps pour éviter le surapprentissage. Les annotations incluent des polygones de segmentation par instance (pas seulement des boîtes englobantes), cinq légendes en langage naturel par image et, pour un sous-ensemble, des annotations de points clés pour l'estimation de pose humaine - plus précisément, 17 articulations du corps sur 5 000 images d'entraînement et 2 000 images de validation. Le jeu de données comprend également des catégories de scènes au niveau de l'image et des catégories de « choses » (par exemple, ciel, herbe) pour le contexte, bien que celles-ci aient été plus pleinement développées dans les versions ultérieures.
Format d'annotation et défis
COCO 2014 a introduit un format d'annotation basé sur JSON qui est devenu une norme industrielle. Chaque image est associée à des segments, stockés sous forme de tableaux de coordonnées de polygones ; les instances peuvent également avoir des boîtes englobantes dérivées de points extrêmes. Pour refléter la difficulté du monde réel, le jeu de données inclut délibérément des objets petits, occlus et tronqués, avec un drapeau « difficile » sur certaines instances que de nombreux défis de détection ont ignoré. Les métriques d'évaluation officielles - Précision moyenne (AP) à plusieurs seuils d'Intersection sur Union (IoU), allant de 0,5 à 0,95 par pas de 0,05 - ont incité les méthodes à produire des masques et des boîtes précis, poussant le domaine au-delà de la localisation grossière simple.
Impact sur la recherche en vision par ordinateur
La version COCO 2014 a catalysé une série de défis, commençant par le défi de détection COCO en 2015, qui s'est déroulé parallèlement à des conférences majeures comme ICCV et CVPR. Les systèmes gagnants ont rapidement progressé des caractéristiques artisanales classiques aux premiers modèles de apprentissage profond basés sur des réseaux de neurones convolutifs. L'échelle et la profondeur d'annotation du jeu de données ont permis aux chercheurs d'entraîner des réseaux résiduels et d'autres architectures pour la segmentation et l'estimation de pose, en faisant une ressource fondamentale pour des tâches ultérieures comme la segmentation panoptique. Ses légendes ont également favorisé le développement de modèles séquence à séquence pour la génération de légendes d'images, contribuant directement à l'essor de l'apprentissage multimodal.
Rôle dans le développement moderne de l'IA
Dans les années 2020, COCO 2014 reste l'un des jeux de données les plus cités en intelligence artificielle. Il sert de banc d'essai courant pour évaluer les réseaux de neurones en détection d'objets, avec des cadres comme Detectron2 et YOLO rapportant régulièrement leurs métriques. Les divisions de 2014 sont particulièrement précieuses pour la reproductibilité : contrairement à l'itération ultérieure COCO 2017, qui a modifié les tailles des divisions train/val et est passée à 118k/5k images, la composition exacte de la version 2014 a été largement archivée et étudiée. De nombreux praticiens du apprentissage automatique téléchargent encore l'original car les modèles pré-entraînés et les bases de code attendent souvent la structure de répertoire et les identifiants d'annotation de 2014.
Distinctions par rapport aux versions ultérieures
COCO 2014 se distingue de la version 2017 sur plusieurs points techniques. L'ensemble d'entraînement de 2014 comprend 82 783 images, tandis que celui de 2017 en compte 118 287, et l'ensemble de validation de 2014 (40 504) est beaucoup plus grand que celui de 2017 (5 000). Les ensembles de test de 2017 étaient également plus grands. De plus, la version 2014 n'avait pas de sous-ensemble « non étiqueté » officiel ; 2017 a ajouté 123 000 images non étiquetées pour l'apprentissage semi-supervisé. Les annotations de points clés en 2014 ne sont disponibles que pour quelques milliers d'images, tandis que 2017 les a étendues à toutes les images d'entraînement et de validation. Ces différences signifient que l'utilisation des données de 2014 nécessite de la prudence lors de la comparaison des résultats avec les références contemporaines, bien que de nombreux articles classiques aient rapporté sur la division de 2014, la maintenant pertinente pour l'analyse historique.
Héritage et utilisation continue
Le succès de COCO 2014 a démontré la valeur des jeux de données richement annotés et axés sur le contexte, influençant des efforts ultérieurs comme LVIS et Open Images. Son schéma d'annotation persiste dans des outils modernes comme l'API COCO, qui reste la norme pour analyser les masques de polygones et évaluer la segmentation d'instances. Même à mesure que de nouveaux jeux de données émergent, la combinaison d'échelle, de profondeur d'annotation et de stabilité des divisions publiques de COCO 2014 garantit son rôle de « norme théorique » pour le développement d'algorithmes. Bien que le domaine se soit orienté vers des jeux de données multimodaux plus grands, COCO 2014 sous-tend encore d'innombrables thèses de doctorat et évaluations de modèles industriels, attestant de son utilité durable dans la recherche en vision.
Voir aussi
- Data Augmentation - Techniques souvent utilisées lors de l'entraînement sur des images COCO
- Loss Functions - Types de fonctions utilisées dans les pertes de détection et de segmentation
- AWS - Plateformes cloud couramment utilisées pour héberger et traiter COCO
- Stanford AI Lab - Un groupe de recherche qui a contribué aux évaluations basées sur COCO