P9D

该数据集名为P9D，是一个全面且统一的产品图像-文本基准数据集，包含了来自9个行业的超过一百万个产品图像-文本对。它旨在支持视觉-语言连续预训练（VLCP）的研究。除了包含1,014,599对图像-文本用于训练，以及2,846对用于测试外，该数据集还涵盖了超过3,800个类别，分为9个任务，以模拟现实世界的长尾分布。其规模超过了一百万图像-文本对，任务重点在于视觉-语言连续预训练。