StephanAkkerman/fintwit-images

--- language: - en license: mit task_categories: - image-classification - image-feature-extraction pretty_name: FinTwit Images dataset_info: features: - name: image dtype: image - name: label dtype: class_label: names: '0': charts '1': non-charts - name: id dtype: string splits: - name: train num_bytes: 320924227.116 num_examples: 4177 download_size: 444164916 dataset_size: 320924227.116 configs: - config_name: default data_files: - split: train path: data/train-* tags: - fintwit - twitter - charts - financial - financial charts - finance - stocks - crypto - image --- ## FinTwit Images This dataset is a collection of a sample of images from tweets that I scraped using my [Discord bot](https://github.com/StephanAkkerman/fintwit-bot) that keeps track of financial influencers on Twitter. The data consists of images that were part of tweets that did not mention a ticker. This dataset can be used for a wide variety of tasks, such as image classification or feature extraction. ### FinTwit Charts Collection This dataset is part of a larger collection of datasets, scraped from Twitter and labeled by a human (me). Below is the list of related datasets. - [Crypto Charts](huggingface.co/datasets/StephanAkkerman/crypto-charts): Images of financial charts of cryptocurrencies - [Stock Charts](https://huggingface.co/datasets/StephanAkkerman/stock-charts): Images of financial charts of stocks - [FinTwit Images](https://huggingface.co/datasets/StephanAkkerman/fintwit-images): Images that had no clear description, this contains a lot of non-chart images ## Dataset Structure Each images in the dataset is structured as follows: - **Image**: The image of the tweet, this can be of varying dimensions. - **Label**: A numerical label indicating the category of the image, with '1' for charts, and '0' for non-charts. ## Dataset Size The dataset comprises 4,579 images in total, categorized into: - 1,083 chart images - 3,496 non-chart images ## Usage I used this dataset for training my [chart-recognizer model](https://huggingface.co/StephanAkkerman/chart-recognizer) for classifying if an image is a chart or not. ## Acknowledgments We extend our heartfelt gratitude to all the authors of the original tweets. ## License This dataset is made available under the MIT license, adhering to the licensing terms of the original datasets.语言： - 英语 许可证：MIT许可证 任务类别： - 图像分类 - 图像特征提取 友好名称：FinTwit Images 数据集信息： 特征： - 名称：图像 数据类型：图像 - 名称：标签 数据类型： 类别标签： 类别名称： '0': 非图表图像 '1': 图表图像 - 名称：ID 数据类型：字符串 划分集： - 名称：训练集 字节数：320924227.116 样本数量：4177 下载大小：444164916 数据集总大小：320924227.116 配置： - 配置名称：默认配置 数据文件： - 划分集：训练集 路径：data/train-* 标签集： - fintwit - Twitter - 图表 - 金融 - 金融图表 - 财经 - 股票 - 加密货币 - 图像 --- ## FinTwit 图像数据集 本数据集为笔者使用自研Discord机器人（用于追踪Twitter平台上的财经意见领袖）抓取的推文配图样本集合，该机器人的开源仓库地址为：https://github.com/StephanAkkerman/fintwit-bot。 本数据集包含的配图均来自未提及股票代码的推文。本数据集可适用于多种任务场景，例如图像分类与特征提取。 ### FinTwit 图表数据集集合 本数据集为更大规模数据集集合的一部分，该集合中的数据均从Twitter抓取并由笔者人工标注。以下为相关数据集列表： - [加密货币图表](https://huggingface.co/datasets/StephanAkkerman/crypto-charts): 加密货币金融图表配图 - [股票图表](https://huggingface.co/datasets/StephanAkkerman/stock-charts): 股票金融图表配图 - [FinTwit Images](https://huggingface.co/datasets/StephanAkkerman/fintwit-images): 无明确主题的配图集合，其中包含大量非图表类图像 ### 数据集结构 本数据集内的每张图像均包含以下信息： - **图像**：推文配图，尺寸不固定。 - **标签**：用于标识图像类别的数值标签，其中`1`代表图表图像，`0`代表非图表图像。 ### 数据集规模 本数据集总计包含4579张图像，分类如下： - 1083张图表图像 - 3496张非图表图像 ### 使用场景 笔者曾使用本数据集训练自研的[图表识别模型](https://huggingface.co/StephanAkkerman/chart-recognizer)，用于实现图像是否为金融图表的分类任务。 ### 致谢 谨向所有原始推文的作者致以诚挚谢意。 ### 许可证 本数据集采用MIT许可证进行分发，同时遵循原始数据集的相关许可条款。

原始信息汇总

FinTwit Images 数据集概述

基本信息

• 语言: 英语
• 许可证: MIT
• 任务类别: 图像分类, 图像特征提取
• 美观名称: FinTwit Images

数据集特征

• 特征:
  • image: 图像数据
  • label: 标签数据，类别包括 charts 和 non-charts
  • id: 字符串类型

数据集分割

• train:
  • 字节数: 320924227.116
  • 样本数: 4177

数据集大小

• 下载大小: 444164916
• 数据集大小: 320924227.116

配置

• default:
  • 数据文件:
    • split: train
    • path: data/train-*

标签

• tags:
  • fintwit
  • twitter
  • charts
  • financial
  • financial charts
  • finance
  • stocks
  • crypto
  • image

数据集结构

• Image: 推文图像，尺寸不一
• Label: 数值标签，1 表示 charts，0 表示 non-charts

数据集大小

• 总图像数: 4579
  • chart 图像数: 1083
  • non-chart 图像数: 3496

使用

• 用于训练 chart-recognizer 模型，用于分类图像是否为 chart。

许可证

• 该数据集在 MIT 许可证下发布。

搜集汇总

数据集介绍

构建方式

在金融社交媒体的研究领域，图像数据作为非结构化信息的重要载体，其分类与特征提取对于理解市场情绪与信息传播具有关键作用。FinTwit Images数据集由研究者通过自建的Discord机器人系统，从Twitter平台上金融意见领袖的推文中系统性地采集图像样本构建而成。该数据集聚焦于那些未提及股票代码的推文图像，通过人工标注的方式将图像划分为图表（charts）与非图表（non-charts）两个类别，从而为金融图像分析提供了高质量的监督学习数据基础。

特点

该数据集在规模与结构上展现出独特的应用价值，共包含4,579张图像，其中图表图像1,083张，非图表图像3,496张，类别分布反映了金融社交网络中图像内容的多样性。每张图像均以原始尺寸保留，并附带数值型标签（1代表图表，0代表非图表），确保了数据在图像分类与特征提取任务中的直接可用性。作为FinTwit图像系列数据集的一部分，它专门收录了缺乏明确描述的推文图像，与其他针对加密货币图表和股票图表的专业数据集形成互补，覆盖了金融图像分析中更具挑战性的模糊场景。

使用方法

在实践应用中，该数据集主要服务于图像分类与特征提取两大任务。研究者可直接加载图像及其对应的标签，利用预训练模型进行微调，以训练能够识别金融图表与非图表图像的分类器。例如，已有工作基于该数据集训练了图表识别模型，实现了对图像是否属于金融图表的自动判断。数据集的MIT开源许可协议进一步降低了使用门槛，允许研究者在遵守原始数据许可条款的前提下自由地集成、修改与分发数据，从而推动金融图像分析领域的学术研究与工业应用。

背景与挑战

背景概述

在金融社交媒体的蓬勃发展中，Twitter已成为投资者和金融影响者分享观点与图表的重要平台，然而海量非结构化图像数据的自动分类成为亟待解决的难题。StephanAkkerman于2023年创建的FinTwit Images数据集，旨在通过人工标注的Twitter图像样本，区分金融图表与非图表内容。该数据集由独立研究者StephanAkkerman基于其Discord机器人采集，共包含4,579张图像，其中图表图像1,083张、非图表图像3,496张，为图像分类与特征提取任务提供了基础资源。作为FinTwit图表集合的一部分，它与Crypto Charts和Stock Charts等数据集互补，推动了金融领域图像理解的研究进程。

当前挑战

该数据集面临的核心挑战在于金融社交媒体图像的复杂多样性。首先，非图表图像类别广泛，涵盖人物、文字截图、表情包等，与金融图表在视觉特征上高度重叠，导致分类模型需具备强大的判别能力。其次，数据集规模有限且类别分布不均（图表仅占23.7%），易引发模型过拟合及泛化困难。在构建过程中，人工标注依赖单一标注者，可能引入主观偏差，且Twitter图像的原始尺寸与质量参差不齐，增加了预处理和特征提取的难度。此外，金融图表的风格多变，包括折线图、K线图、饼图等，进一步挑战了模型的鲁棒性。

常用场景

经典使用场景

在金融社交媒体的图像分析领域，StephanAkkerman/fintwit-images数据集以其独特的二元分类结构，成为研究金融图表与非图表图像区分的经典资源。该数据集收录了来自Twitter金融领域意见领袖帖文中的图像样本，通过人工标注明确区分了图表类与非图表类图像，为图像分类任务提供了高质量的训练素材。研究者常将其作为基准数据集，用于训练和评估能够自动识别金融图表的深度学习模型，尤其在卷积神经网络（CNN）和迁移学习方法的验证中扮演关键角色。

实际应用

在实际应用中，该数据集支撑了金融舆情监控系统的智能化升级，例如用于开发自动识别社交媒体中金融图表的工具，帮助投资者和金融机构快速捕获市场信号。基于此数据集训练的模型可集成至交易决策辅助平台，实时过滤非图表噪声，优先呈现技术分析所需的图表内容。此外，在金融教育领域，它可用于构建自动标注教学素材的系统，提升学习资源的组织效率。这些应用显著降低了人工审核成本，加速了金融信息的处理流程，展现了数据驱动方法在金融科技中的实用价值。

衍生相关工作

该数据集衍生了一系列经典工作，其中最突出的是基于其训练的chart-recognizer模型，该模型专用于图像中图表与非图表的二分类任务，成为后续研究的基线参考。此外，它催生了针对金融图表图像特征提取的专项研究，如结合注意力机制的识别网络，以及探索图表内容语义理解的跨模态分析工作。数据集本身作为FinTwit系列的一部分，与Crypto Charts和Stock Charts等子集共同构建了金融图像分析的完整生态，激励了更多关于社交媒体金融数据挖掘的学术探索，推动了相关领域从单一分类向多任务学习的演进。