BanglaLekhaImageCaptions

该数据集由孟加拉语中的图像和注释组成。这些图像是由两名母语为孟加拉语的成年人用孟加拉语注释的。所有流行的图像字幕数据集都以英语注释为主要的西方文化偏见。使用此类数据集来训练图像字幕系统，假设存在良好的英语到目标语言的翻译系统，并且原始数据集具有目标文化的元素。这两个假设都是错误的，导致需要在孟加拉语中建立与文化相关的数据集，以生成与孟加拉国和更广泛的次大陆背景相关的图像的适当图像标题。呈现的数据集由9,154图像组成。