COCO 2017은 객체 검출, 분할, 이미지 캡셔닝을 위한 대규모 벤치마크인 Common Objects in Context(COCO) 챌린지의 연례 에디션입니다. 2017년 마이크로소프트 연구팀이 출시했으며, 2014년과 2015년의 이전 버전을 계승하여 컴퓨터 비전 모델의 표준 평가 데이터셋이 되었습니다. 이 데이터셋은 118,000개의 훈련 이미지, 5,000개의 검증 이미지, 41,000개의 테스트 이미지로 구성되며, 80개의 객체 범주와 91개의 stuff 범주에 대한 주석을 포함합니다.
챌린지 과제에는 경계 상자 객체 검출, 인스턴스 분할, 파놉틱 분할(추후 추가), 이미지 캡셔닝이 포함됩니다. COCO 2017은 새로운 test-dev 분할을 도입하고 주석 프로토콜을 개선하여 이전 에디션보다 더 엄격해졌습니다. 학술 연구와 산업 경쟁에서 널리 사용되며, 리더보드가 최첨단 성능을 추적합니다.
데이터셋 구성
COCO 2017 데이터셋은 200,000개 이상의 이미지와 150만 개 이상의 레이블된 인스턴스로 구성됩니다. 각 이미지는 객체 경계 상자, 분할 마스크, 캡션으로 주석 처리됩니다. 80개의 객체 범주에는 person, car, dog, chair와 같은 일반적인 항목이 포함되고, 91개의 stuff 범주는 grass, sky, wall과 같은 배경을 다룹니다. 이미지는 Flickr에서 수집되며 장면 구성, 조명, 객체 규모 측면에서 다양합니다.
주석은 JSON 형식으로 제공되며, 각 이미지에는 여러 주석 항목이 있습니다. 훈련 세트는 모델 훈련에 사용되고, 검증 세트는 하이퍼파라미터 튜닝과 모델 선택에 사용됩니다. 테스트 세트는 최종 평가에 사용되며, 과적합을 방지하기 위해 주석이 공개적으로 제공되지 않습니다.
평가 지표
COCO 2017은 표준 COCO 평가 지표를 사용하며, 주로 Average Precision(AP)과 Average Recall(AR)을 사용합니다. AP는 0.5에서 0.95까지 0.05 단계의 여러 Intersection-over-Union(IoU) 임계값에서 계산되어 평균화됩니다. 이 지표는 고정 IoU 0.5를 사용하는 전통적인 PASCAL VOC 지표보다 더 엄격합니다. 주요 지표는 AP@[0.5:0.95]이며, 종종 단순히 AP로 표기됩니다.
분할 과제의 경우 동일한 지표가 마스크 예측에 적용됩니다. 캡셔닝의 경우 BLEU, METEOR, CIDEr와 같은 지표가 사용됩니다. 챌린지는 일부 연도에 별도의 지연 시간 범주로 추론 속도도 추적합니다.
컴퓨터 비전에 미친 영향
COCO 2017은 객체 검출 및 분할 연구의 사실상 표준 벤치마크가 되었습니다. ResNet 기반 검출기, U-Net 변형, 이후 트랜스포머 기반 아키텍처를 포함한 많은 영향력 있는 모델이 이 데이터셋에서 평가되었습니다. 이 데이터셋은 다중 스케일 특징 학습, 앵커 프리 검출, 인스턴스 분할의 발전을 촉진했습니다.
대규모 및 다양한 주석은 데이터 증강 기법과 배치 정규화 방법의 개발을 가능하게 했습니다. 챌린지는 테스트 세트 주석이 숨겨져 있기 때문에 약지도 학습 및 준지도 학습 연구도 촉진했습니다.
챌린지 에디션 및 수상자
COCO 2017은 일련의 연례 챌린지의 일부였습니다. 2017년 에디션에는 주요 기술 기업과 학술 기관이 참여했습니다. 수상 팀은 종종 앙상블 모델과 고급 훈련 전략을 사용했습니다. 예를 들어, 2017년 검출 부문 수상자는 AP 0.493을 달성했으며, 이는 2015년 수상자의 0.375에서 크게 개선된 것입니다.
챌린지 형식에는 검출, 분할, 캡셔닝을 위한 별도의 트랙이 포함되었습니다. 분할 트랙은 인스턴스 수준 마스크에 초점을 맞춘 반면, 캡셔닝 트랙은 자연어 설명 생성이 필요했습니다. 2017년 에디션은 또한 나중에 2018년 파놉틱 분할로 발전한 stuff 분할이라는 새로운 과제를 도입했습니다.
유산 및 미래
COCO 2017은 LVIS 및 Open Images와 같은 새로운 데이터셋이 도입된 후에도 널리 사용되고 있습니다. 그 주석은 여전히 많은 딥러닝 모델을 평가하는 표준입니다. 이 데이터셋은 Detectron2 및 MMDetection과 같은 인기 있는 툴킷에 통합되어 전 세계 연구자들이 접근할 수 있게 되었습니다.
2025년 현재 COCO 2017은 모델 성능의 기준점으로 계속 사용되고 있지만, Google Cloud의 Open Images 및 AWS의 공개 데이터셋과 같은 새로운 벤치마크가 대안적인 과제를 제공합니다. COCO 컨소시엄은 후속 에디션을 출시했지만, 2017년 버전은 문헌에서 가장 많이 인용되고 사용되는 버전으로 남아 있습니다.