cc12m_4

这是一个从更大数据集中提取的子集，由于临时磁盘空间的限制，这个子集并不完整。它包含了与A man或A woman匹配的图像，且源图像至少为4百万像素。数据集大约有25,000张图像，虽然完整解析原始数据集可能会得到60,000张图像，但这个子集仍然比没有数据集要好。此外，数据集虽然未经过严格的水印处理，但已经是从cleaned集合中提取的，而不是原始的cc12m数据集。数据集还提供了多种标题选择。