微软提供 http://mscoco.org/
目前有：
（1）2014年训练集
（2）2014年验证集
（3）2014年测试集
（4）2015年测试集
这里标注采用的是JSON格式。主要有三种类型标注：物体实例、物体关键点和图像捕捉。这三种公共的数据结构如下：
| data | 说明 |
|---|---|
| info | 提供year、version、description、contributor、url、date_created等信息 |
| images | 是个数组，提供图像的id、宽度、长度、文件名称、网络存储地址、拍摄日期等有关信息 |
| license | 也是数组，提供id、name、url等信息 |
其中2014年验证、测试集提供如下标注：
（1）物体实例
| annotation data | 说明 |
|---|---|
| id | -- |
| image_id | 对应的图像 |
| category_id | 对应的类别 |
| segmentation | 图像分割（多边形点或RLE？） |
| area | 面积 |
| bbox | x,y,width,height |
| iscrowd | 标明是不是一群物体（一群人） |
| categories data | 说明 |
|---|---|
| id | 种类id |
| name | 种类名称 |
| supercategory | 父类 |
（2）人类关键点
给关键点个数和位置
（3）图像捕捉
给id 和 caption
此外还提供了标注：
（1）2014年测试图像信息
测试数据并没有圈框，同时给出了90个类别
（2）2015年测试图像信息
自定义数据集
我认为我们的数据集应该包括一下内容：
（1）图像编号id
（2）图像的大类别（大货车、小汽车、摩托车）
（3）图像的大类别的细分类别（eg：小汽车中本田、奥迪、大众）
（4）图像大小
（5）图像生成时间
（6）图像中物体画框并对应大类别小类别（x,y,width,height，若有多个以数组形式给出）
（7）图像中物体完整性（车是否完整）及聚集性（车、车群（一辆挡住另一辆））
