PeterLOVANAS/image_cap_coco_th

该数据集包含图像和文本信息，主要用于图像描述任务。数据集中的每个样本包含图像、文件路径、句子ID、文件名、图像ID、数据集分割类型、句子分词、原始句子、句子ID、COCO ID和泰语句子等特征。数据集分为训练集、验证集和测试集，分别包含6797、150和150个样本。数据集的下载大小为1152292354字节，总大小为1160357143字节。

原始信息汇总

数据集概述

数据集特征

• image: 图像数据
• filepath: 文件路径，字符串类型
• sentids: 句子ID列表，整数类型
• filename: 文件名，字符串类型
• imgid: 图像ID，整数类型
• split: 数据集分割，字符串类型
• sentences_tokens: 句子分词列表，字符串类型
• sentences_raw: 原始句子列表，字符串类型
• sentences_sentid: 句子ID列表，整数类型
• cocoid: COCO ID，整数类型
• th_sentences_raw: 泰语原始句子序列，字符串类型

数据集分割

• train: 训练集，包含6797个样本，大小为1106930236.0字节
• validation: 验证集，包含150个样本，大小为27953686.0字节
• test: 测试集，包含150个样本，大小为25473221.0字节

数据集大小

• 下载大小: 1152292354字节
• 总大小: 1160357143.0字节

配置

• default: 默认配置
  • train: 数据路径为data/train-*
  • validation: 数据路径为data/validation-*
  • test: 数据路径为data/test-*