Multimodal-Fatima/VQAv2_test_split_2

该数据集包含多种视觉和文本信息，用于处理图像相关的问答任务。数据集特征包括问题类型、多选答案、答案序列、图像ID、问题ID、问题内容、图像数据等，以及与图像相关的各种标签和描述信息。数据集被分割为test部分，包含44780个例子。

数据集信息：
特征字段：
- 名称：问题类型
数据类型：字符串
- 名称：多项选择答案
数据类型：字符串
- 名称：答案集合
数据类型：字符串序列
- 名称：原始答案列表
列表类型：
- 名称：答案
数据类型：字符串
- 名称：答案置信度
数据类型：字符串
- 名称：答案ID
数据类型：64位整数
- 名称：图像ID
数据类型：64位整数
- 名称：答案类型
数据类型：字符串
- 名称：问题ID
数据类型：64位整数
- 名称：问题文本
数据类型：字符串
- 名称：图像
数据类型：图像
- 名称：样本ID
数据类型：64位整数
- 名称：ViT-L/14模型对应的CLIP图像标签
数据类型：字符串序列
- 名称：BLIP生成的图像字幕
数据类型：字符串
- 名称：基于ViT-L/14、视觉基因组（Visual Genome）与GPT-3的大语言模型下游任务描述文本
数据类型：字符串序列
- 名称：基于Swin-Large主干、O365与COCO类别集的DETA目标检测结果
列表类型：
- 名称：属性
数据类型：字符串
- 名称：边界框
数据类型：单精度浮点序列
- 名称：标签
数据类型：字符串
- 名称：位置
数据类型：字符串
- 名称：宽高比
数据类型：单精度浮点数
- 名称：尺寸
数据类型：字符串
- 名称：标记标签
数据类型：字符串
- 名称：text-davinci-003生成的ViT-L/14属性描述符序列
数据类型：字符串序列
- 名称：不含OpenAI源标签的ViT-L/14模型CLIP图像标签
数据类型：字符串序列
- 名称：含OpenAI源标签的ViT-L/14模型CLIP图像标签
数据类型：字符串序列
- 名称：不含OpenAI源标签的LAION-ViT-H/14 2B模型CLIP图像标签
数据类型：字符串序列
- 名称：含OpenAI源标签的LAION-ViT-H/14 2B模型CLIP图像标签
数据类型：字符串序列
- 名称：不含OpenAI源标签的LAION-ViT-bigG/14 2B模型CLIP图像标签
数据类型：字符串序列
- 名称：含OpenAI源标签的LAION-ViT-bigG/14 2B模型CLIP图像标签
数据类型：字符串序列
- 名称：text-davinci-003生成的LAION-ViT-H/14 2B属性描述符序列
数据类型：字符串序列
- 名称：text-davinci-003生成的LAION-ViT-bigG/14 2B属性描述符序列
数据类型：字符串序列
- 名称：含OpenAI源标签的ViT-B/16模型CLIP图像标签
数据类型：字符串序列
- 名称：随机字幕模块下基于Swin-Large主干、O365与COCO类别集的DETA目标检测结果
列表类型：
- 名称：属性
数据类型：字符串
- 名称：边界框
数据类型：双精度浮点序列
- 名称：字幕模块输出
数据类型：字符串序列
- 名称：字幕模块过滤输出
数据类型：字符串序列
- 名称：标签
数据类型：字符串
- 名称：位置
数据类型：字符串
- 名称：宽高比
数据类型：双精度浮点数
- 名称：尺寸
数据类型：字符串
- 名称：标记标签
数据类型：字符串
数据集划分：
- 名称：测试集
字节大小：9209134640.0
样本数量：44780
下载大小：1869493165
数据集总大小：9209134640.0

# 数据集卡片："VQAv2测试拆分2"

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

VQAv2_test_split_2

数据集特征

基本特征

• question_type: 字符串
• multiple_choice_answer: 字符串
• answers: 字符串序列
• answers_original: 列表
  • answer: 字符串
  • answer_confidence: 字符串
  • answer_id: 整数（64位）
• id_image: 整数（64位）
• answer_type: 字符串
• question_id: 整数（64位）
• question: 字符串
• image: 图像类型
• id: 整数（64位）
• clip_tags_ViT_L_14: 字符串序列
• blip_caption: 字符串
• LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14: 字符串序列

检测特征

• DETA_detections_deta_swin_large_o365_coco_classes: 列表
  • attribute: 字符串
  • box: 浮点数序列（32位）
  • label: 字符串
  • location: 字符串
  • ratio: 浮点数（32位）
  • size: 字符串
  • tag: 字符串

其他特征

• Attributes_ViT_L_14_descriptors_text_davinci_003_full: 字符串序列
• clip_tags_ViT_L_14_wo_openai: 字符串序列
• clip_tags_ViT_L_14_with_openai: 字符串序列
• clip_tags_LAION_ViT_H_14_2B_wo_openai: 字符串序列
• clip_tags_LAION_ViT_H_14_2B_with_openai: 字符串序列
• clip_tags_LAION_ViT_bigG_14_2B_wo_openai: 字符串序列
• clip_tags_LAION_ViT_bigG_14_2B_with_openai: 字符串序列
• Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full: 字符串序列
• Attributes_LAION_ViT_bigG_14_2B_descriptors_text_davinci_003_full: 字符串序列
• clip_tags_ViT_B_16_with_openai: 字符串序列

随机模块特征

• DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random: 列表
  • attribute: 字符串
  • box: 浮点数序列（64位）
  • captions_module: 字符串序列
  • captions_module_filter: 字符串序列
  • label: 字符串
  • location: 字符串
  • ratio: 浮点数（64位）
  • size: 字符串
  • tag: 字符串

数据集分割

• test:
  • 数据量: 9209134640.0 字节
  • 示例数量: 44780

数据集大小

• 下载大小: 1869493165 字节
• 数据集总大小: 9209134640.0 字节