dwb2023/filtered_coyo_700m

该数据集包含从`kakaobrain/coyo-700m`数据集中过滤出的记录，这些记录与CAR-T细胞疗法、嵌合抗原受体、T细胞、细胞疗法、基因疗法和自体疗法等特定关键词相关。数据集可用于细胞和基因疗法领域的研究和开发。

原始信息汇总

数据集概述

数据集名称

• 名称: Filtered COYO-700M Dataset
• 来源: kakaobrain/coyo-700m

数据集内容

• 主题: 包含与CAR-T细胞疗法、嵌合抗原受体、T细胞、细胞疗法、基因疗法和自体相关的关键词过滤记录。

数据集特征

• 特征列表:
  • id: int64
  • url: string
  • text: string
  • width: int32
  • height: int32
  • image_phash: string
  • text_length: int32
  • word_count: int32
  • num_tokens_bert: int32
  • num_tokens_gpt: int32
  • num_faces: int32
  • clip_similarity_vitb32: float32
  • clip_similarity_vitl14: float32
  • nsfw_score_opennsfw2: float32
  • nsfw_score_gantman: float32
  • watermark_score: float32
  • aesthetic_score_laion_v2: float32

数据集划分

• 训练集:
  • 示例数: 17856
  • 字节数: 4962803.0
• 测试集:
  • 示例数: 4465
  • 字节数: 1237070.0

数据集大小

• 下载大小: 4356201
• 数据集大小: 6199873.0

数据集配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*

许可证

• 许可证: MIT

用途

• 应用领域: 细胞和基因疗法的研究与开发。

引用信息

@misc{kakaobrain2022coyo-700m, title = {COYO-700M: Image-Text Pair Dataset}, author = {Minwoo Byeon, Beomhee Park, Haecheon Kim, Sungjun Lee, Woonhyuk Baek, Saehoon Kim}, year = {2022}, howpublished = {url{https://github.com/kakaobrain/coyo-dataset}}, }