COCO Keypoints是微软通用对象上下文（COCO）数据集的一个子集，专门用于人体姿态估计和关键点检测任务。它提供了17个身体关节的详细标注，包括鼻子、眼睛、耳朵、肩膀、肘部、手腕、臀部、膝盖和踝关节，覆盖了多样化的真实世界图像中的人物实例。该数据集已成为计算机视觉和人工智能领域的标准基准，使研究人员能够在无约束环境中训练和评估定位人体部位的模型。
COCO Keypoints数据集于2014年与主COCO数据集一同由微软研究人员推出。它包含超过200,000个人体实例的关键点标注，来源于超过118,000张训练图像和5,000张验证图像。每个关键点都带有可见性标志（可见、被遮挡或未标注），使模型能够处理部分遮挡情况。标注遵循严格格式，关键点按一致顺序排列，每个人体实例还提供边界框和分割掩码。
标注格式与质量
COCO Keypoints中的每个人体标注包含17个关键点的列表，以（x， y， 可见性）三元组表示。可见性标志取值为0（未标注）、1（已标注但被遮挡）和2（已标注且可见）。这种细粒度标注支持区分检测准确性和定位精度的评估指标。数据集由专业标注员使用定制工具进行标注，并通过质量控制流程确保一致性。关键点顺序遵循固定的解剖学序列，简化了模型输出格式和评估过程。
评估指标
COCO Keypoints的主要评估指标是对象关键点相似度（OKS），它测量预测关键点与真实关键点之间的距离，并按人体尺度进行归一化。标准指标是在多个OKS阈值（0.50、0.75和0.90）上计算的平均精度（AP）。该指标考虑了关键点定位相对于人体尺寸的难度。COCO Keypoints挑战赛从2016年至2019年每年举办，吸引了众多研究团队，推动了姿态估计架构的重大进步。
对姿态估计研究的影响
COCO Keypoints在推进深度学习姿态估计方法方面发挥了重要作用。早期方法使用残差网络骨干网络配合反卷积头部，而后期方法引入了Transformer架构和多尺度特征融合。数据集的多样性（包括复杂背景、多变光照和多人物场景的图像）推动模型超越了简单的受控环境。许多最先进的系统，如基于U-Net变体和注意力机制的系统，都在该数据集上进行了基准测试。高质量标注数据的可用性对监督学习至关重要，因为手动生成此类标注既昂贵又耗时。
扩展与相关数据集
针对专门任务，已开发了COCO Keypoints的多个扩展。COCO-WholeBody数据集增加了133个关键点，包括面部、手部和脚部标注。CrowdPose数据集专注于多人物交互的拥挤场景。COCO Keypoints标注还被用于生成半监督学习的伪标签，以及为动作识别和人机交互等其他姿态相关任务预训练模型。该数据集在学术研究和工业应用中仍被广泛使用，包括机器人技术、体育分析和医疗保健监控。
可用性与使用
COCO Keypoints在COCO许可下免费用于研究目的。标注以JSON文件形式分发，图像来源于Flickr。数据集托管在COCO网站上，可通过各种机器学习框架和工具访问。许多开源库提供加载和处理COCO Keypoints数据的实用工具，使其可供全球研究人员使用。该数据集已被数千篇同行评审出版物引用，反映了其在姿态估计算法发展中的核心作用。