aharma/flickr30k_dogs_and_babies_128

该数据集是从Flickr30k数据集中选取的包含狗和婴儿的图片，用于马斯特里赫特大学高级自然语言处理课程的图像到文本/文本到图像的教程。为了简化演示并减少数据大小和训练时间，只选择了包含狗或小孩描述的图片，并将图片裁剪为128x128像素的正方形以适应SWIN transformer。

原始信息汇总

数据集概述

数据集名称

pictures of dogs and babies selected from flickr30k dataset

任务类别

image-to-text

数据集描述

该数据集是为马斯特里赫特大学的高级自然语言处理（KEN4259）课程的图像到文本/文本到图像教程创建的。为了制作一个好的演示，同时限制数据大小和所需的训练时间，我们仅选择了标题中包含狗或小孩术语的图像。图像还被裁剪为正方形并压缩为128 x 128像素，以适应我们的SWIN transformer。

作者和致谢

Aki Härmä, 马斯特里赫特大学高级计算科学系，科学与工程学院，荷兰

许可证

Flickr30k数据可用于研究和教育用途。有关原始许可证和引用信息，请参见Flickr30k数据集。

项目状态

初稿