Multimodal-Fatima/OK-VQA_train

---
dataset_info:
features:
- name: image
dtype: image
- name: question_type
dtype: string
- name: confidence
dtype: int32
- name: answers
sequence: string
- name: answers_original
list:
- name: answer
dtype: string
- name: raw_answer
dtype: string
- name: answer_confidence
dtype: string
- name: answer_id
dtype: int64
- name: id_image
dtype: int64
- name: answer_type
dtype: string
- name: question_id
dtype: int64
- name: question
dtype: string
- name: id
dtype: int64
- name: clip_tags_ViT_L_14
sequence: string
- name: clip_tags_LAION_ViT_H_14_2B
sequence: string
- name: blip_caption_beam_5
dtype: string
- name: LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14
sequence: string
- name: LLM_Description_gpt3_downstream_tasks_visual_genome_LAION-ViT-H-14-2B
sequence: string
- name: DETA_detections_deta_swin_large_o365_coco_classes
list:
- name: attribute
dtype: string
- name: box
sequence: float32
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float32
- name: size
dtype: string
- name: tag
dtype: string
- name: DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random
list:
- name: attribute
dtype: string
- name: box
sequence: float64
- name: captions_module
sequence: string
- name: captions_module_filter
sequence: string
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float64
- name: size
dtype: string
- name: tag
dtype: string
splits:
- name: train
num_bytes: 1686555802.0
num_examples: 9009
download_size: 1572400067
dataset_size: 1686555802.0
---
# Dataset Card for "OK-VQA_train"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

数据集信息：
特征字段：
- 名称：图像（image），数据类型：图像
- 名称：问题类型（question_type），数据类型：字符串
- 名称：置信度（confidence），数据类型：int32
- 名称：答案列表（answers），数据类型：字符串序列
- 名称：原始答案信息（answers_original），为列表类型，包含子字段：
- 答案（answer）：字符串类型
- 原始答案（raw_answer）：字符串类型
- 答案置信度（answer_confidence）：字符串类型
- 答案ID（answer_id）：int64类型
- 名称：图像ID（id_image），数据类型：int64
- 名称：答案类型（answer_type），数据类型：字符串
- 名称：问题ID（question_id），数据类型：int64
- 名称：问题文本（question），数据类型：字符串
- 名称：样本ID（id），数据类型：int64
- 名称：ViT-L/14模型CLIP标签（clip_tags_ViT_L_14），数据类型：字符串序列
- 名称：LAION-ViT-H-14-2B模型CLIP标签（clip_tags_LAION_ViT_H_14_2B），数据类型：字符串序列
- 名称：BLIP束搜索（束宽=5）图像描述（blip_caption_beam_5），数据类型：字符串
- 名称：基于ViT-L/14与Visual Genome下游任务的GPT-3大语言模型（LLM）描述（LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14），数据类型：字符串序列
- 名称：基于LAION-ViT-H-14-2B与Visual Genome下游任务的GPT-3大语言模型（LLM）描述（LLM_Description_gpt3_downstream_tasks_visual_genome_LAION-ViT-H-14-2B），数据类型：字符串序列
- 名称：基于DETA-Swin-Large-O365-COCO类别集的DETA检测结果（DETA_detections_deta_swin_large_o365_coco_classes），为列表类型，包含子字段：
- 属性（attribute）：字符串类型
- 边界框（box）：float32序列
- 类别标签（label）：字符串类型
- 位置（location）：字符串类型
- 比例（ratio）：float32类型
- 尺寸（size）：字符串类型
- 标签（tag）：字符串类型
- 名称：带随机字幕模块的DETA-Swin-Large-O365-COCO类别集检测结果（DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random），为列表类型，包含子字段：
- 属性（attribute）：字符串类型
- 边界框（box）：float64序列
- 字幕模块结果（captions_module）：字符串序列
- 字幕模块过滤结果（captions_module_filter）：字符串序列
- 类别标签（label）：字符串类型
- 位置（location）：字符串类型
- 比例（ratio）：float64类型
- 尺寸（size）：字符串类型
- 标签（tag）：字符串类型
数据集划分：
- 划分名称：训练集（train），字节数：1686555802.0，样本数量：9009
下载大小：1572400067
数据集总大小：1686555802.0

# 「OK-VQA训练集」数据集卡片
[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

数据集特征

• image：图像数据
• question_type：问题类型，字符串类型
• confidence：置信度，整数32位类型
• answers：答案序列，字符串类型
• answers_original：原始答案列表
  • answer：答案，字符串类型
  • raw_answer：原始答案，字符串类型
  • answer_confidence：答案置信度，字符串类型
  • answer_id：答案ID，整数64位类型
• id_image：图像ID，整数64位类型
• answer_type：答案类型，字符串类型
• question_id：问题ID，整数64位类型
• question：问题内容，字符串类型
• id：ID，整数64位类型
• clip_tags_ViT_L_14：标签序列，字符串类型
• clip_tags_LAION_ViT_H_14_2B：标签序列，字符串类型
• blip_caption_beam_5：标题，字符串类型
• LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14：描述序列，字符串类型
• LLM_Description_gpt3_downstream_tasks_visual_genome_LAION-ViT-H-14-2B：描述序列，字符串类型
• DETA_detections_deta_swin_large_o365_coco_classes：检测列表
  • attribute：属性，字符串类型
  • box：边界框序列，浮点32位类型
  • label：标签，字符串类型
  • location：位置，字符串类型
  • ratio：比例，浮点32位类型
  • size：尺寸，字符串类型
  • tag：标签，字符串类型
• DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random：检测列表
  • attribute：属性，字符串类型
  • box：边界框序列，浮点64位类型
  • captions_module：标题模块序列，字符串类型
  • captions_module_filter：标题模块过滤序列，字符串类型
  • label：标签，字符串类型
  • location：位置，字符串类型
  • ratio：比例，浮点64位类型
  • size：尺寸，字符串类型
  • tag：标签，字符串类型

数据集分割

• train：训练集
  • num_bytes：数据大小为1686555802.0字节
  • num_examples：包含9009个样本

数据集大小

• download_size：下载大小为1572400067字节
• dataset_size：数据集大小为1686555802.0字节