RefCOCOg

RefCocoG来自Mao等人的2016，由于注释过程中的差异，与RefCoco相比，对对象的描述更加丰富。特别是，RefCoco是在基于交互式游戏的设置中收集的，而RefCocoG是在非交互式设置中收集的。平均而言，RefCocoG每个表达式有8.4个单词，而RefCoco有3.5个单词。
每个数据集都有不同的拆分分配，这些分配通常都在论文中报告。RefCoco和RefCoco中的 “testA” 和 “testB” 集分别仅包含人和非人。图像被划分为各种分裂。在 “google” 拆分中，对象 (而不是图像) 在火车和非火车拆分之间进行了分区。这意味着相同的图像可以同时出现在train和validation split中，但是图像中引用的对象在两个集合之间将是不同的。相反，“unc” 和 “umd” 在火车，验证和测试分割之间分割分区图像。在RefCocoG中，“google” 拆分没有规范的测试集，验证集通常在论文中报告为 “val *”。