超过 20万 张图片，80种物体类别，图片大小不一，3通道彩色图像。
所有的物体实例都用详细的分割mask进行了标注，
共标注了超过 50万 个目标实体.

1. 下载 数据库API
 git clone https://github.com/pdollar/coco
 cd coco
2. 创建 images文件夹 并下载 图像数据 解压
 在images文件夹下下载  点击链接可直接下载
 wget -c https://pjreddie.com/media/files/train2014.zip    12.5G
 wget -c https://pjreddie.com/media/files/val2014.zip      6.18G

 解压
 unzip -q train2014.zip
 unzip -q val2014.zip
3. 下载标注文件等
  cd ..
  wget -c https://pjreddie.com/media/files/instances_train-val2014.zip
  wget -c https://pjreddie.com/media/files/coco/5k.part
  wget -c https://pjreddie.com/media/files/coco/trainvalno5k.part
  wget -c https://pjreddie.com/media/files/coco/labels.tgz
  sudo tar xzf labels.tgz                        标签
  sudo unzip -q instances_train-val2014.zip     分割  得到 annotations  实例分割

  生成训练/测试图像列表文件  darknet框架下格式
  paste <(awk "{print \"$PWD\"}" <5k.part) 5k.part | tr -d '\t' > 5k.txt   测试验证数据
  paste <(awk "{print \"$PWD\"}" <trainvalno5k.part) trainvalno5k.part | tr -d '\t' > trainvalno5k.txt  训练数据
4.  caffe lmdb格式转换
  2014年
  train2014.zip 训练集图片
  val2014.zip   验证集图片
  instances_train-val2014.zip  总的json标签
  labels.tgz    darknet下 的 txt标签
  2017年 
    http://images.cocodataset.org/zips/train2017.zip 训练集图片
    http://images.cocodataset.org/zips/val2017.zip   验证集图片
    http://images.cocodataset.org/annotations/annotations_trainval2017.zip 总的json标签

    处理 ：
    下载 coco数据库处理脚本 
        git clone https://github.com/weiliu89/coco.git
        cd coco
        git checkout dev  # 必要 在 PythonAPI 或出现 scripts/ 文件夹 一些处理脚本
    安装：
        cd coco/PythonAPI
        python setup.py build_ext --inplace
        
    将总的json文件拆分成 各个图像的json
        python scripts/batch_split_annotation.py 
        
    获取 图片id 对应的图片尺寸大小 长宽
        python scripts/batch_get_image_size.py
        
    创建图片地址+标签地址的 列表文件    
        python data/coco/create_list.py
    生成lmdb 文件 and make soft links at examples/coco/
       ./create_data.sh