1. 下载原始图片格式数据集 
    http://cocodataset.org/

2. 下载数据库api
    git clone https://github.com/weiliu89/coco.git cocoapi
    cd cocoapi
    git checkout dev
    
3. 编译数据库api ----可能不需要
    cd cocoapi/PythonAPI
    python setup.py build_ext --inplace
    
4. 标注文件处理 ------可能不需要
    # Check scripts/batch_split_annotation.py and change settings accordingly.
    python scripts/batch_split_annotation.py
    # Create the minival2014_name_size.txt and test-dev2015_name_size.txt in $CAFFE_ROOT/data/coco
    python scripts/batch_get_image_size.py
    
    图片文件列表文件生成 训练和测试txt 可参考darknet
    
5. 生成数据库文件
    生成图像列表文件：
        python data/coco/create_list.py------可能也用不到------ 
        生成子集  minival.txt, testdev.txt, test.txt, train.txt
        
    生成对应的数据库：
        ./data/coco/create_data.sh
        得到：
            #   - $HOME/data/coco/lmdb/coco_minival_lmdb
            #   - $HOME/data/coco/lmdb/coco_testdev_lmdb
            #   - $HOME/data/coco/lmdb/coco_test_lmdb
            #   - $HOME/data/coco/lmdb/coco_train_lmdb

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
 wget -c https://pjreddie.com/media/files/val2014.zip

 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
  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下的后处理
  生成 文件名id
  训练集中的 val 部分
  cat trainvalno5k.txt | awk -F "/" '{for(i=1;i<=NF;i++){ if(i==11) print $i; }}' | grep val | cut -b 1-25 | tee train_val_list.txt
  训练集的 train 部分
  cat trainvalno5k.txt | awk -F "/" '{for(i=1;i<=NF;i++){ if(i==11) print $i; }}' | grep tra | cut -b 1-27 | tee train2014.txt
  
  验证集中的 验证 部分
  cat 5k.txt | awk -F "/" '{for(i=1;i<=NF;i++){ if(i==11) print $i; }}' | cut -b 1-25 | tee val2014.txt
  
  将 train2014.txt 和 val2014.txt 放入 coco/idSets 下
  
  生成训练集和验证集 
  

  下载最新的 2017
  http://images.cocodataset.org/zips/train2017.zip 
  http://images.cocodataset.org/annotations/annotations_trainval2017.zip
  http://images.cocodataset.org/zips/val2017.zip 

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