Формат выгрузки

Для выгрузки выбран формат COCO с изменением для поддержки выгрузки изображений масок. COCO — один из самых популярных форматов для разметки изображений, используемый в задачах компьютерного зрения: * детекция объектов (bounding box), * сегментация (polygon / mask), * классификация.

Ваш проект можно экспортировать в COCO-совместимый JSON, который поддерживается большинством ML-фреймворков (Detectron2, MMDetection, YOLOv8, TensorFlow Object Detection API и др.).

Структура данных

    dataset/
    ├── images/
    │   └── train/
    │
    ├── annotations/
    │   ├── instances_train.json
    │   │
    │   └── masks/                       # маски для сегментации
    │       └── instance/                # instance segmentation (объекты)
    │           ├── train/0001_obj1.png
    │           ├── train/0001_obj2.png
    │           └── ...


группировка по классам (semantic) пока не включена   

---

Пример записи в COCO JSON

{
  "images": [
    {
      "id": 1,
      "file_name": "train/0001.jpg",
      "height": 720,
      "width": 1280
    }
  ],
  "annotations": [
    {
      "id": 101,
      "image_id": 1,
      "category_id": 3,
      "bbox": [100, 200, 80, 120],  // [x, y, width, height]
      "segmentation": [],
      "mask_path": "masks/instance/train/0001_obj1.png"
      "iscrowd": 0,
      "area": 9600
    }
  ],
  "categories": [
    {"id": 1, "name": "person"},
    {"id": 2, "name": "car"},
    {"id": 3, "name": "tree"}
  ]
}

---

Как устроены маски

Мы добавили модификацию COCO для удобной работы с масками:

• Добавлено дополнительное поле mask_path, это путь к PNG-файлу.
• Маски лежат в папке masks/:
• instance/ — отдельные PNG-файлы для каждого объекта (0001_obj1.png, 0001_obj2.png).

---

Поддержка в ML-фреймворках

• COCO JSON можно напрямую загрузить в большинство библиотек.

• Если фреймворк не поддерживает mask_path, вы можете:

• Использовать только bbox/polygon (они стандартные).

• Легко конвертировать PNG-маски обратно в RLE (например, через pycocotools).