基于COCO随机图像的外部知识引导视觉问答数据集

大规模的需要外部知识的视觉问答数据集数据集-OK-VQA(Outside Knowledge VQA)。使用来自COCO的随机图像，80k训练。一共14055个问题，12591个不重复问题，7181个不重复的问题单词。一共6个文件，其中word文件是数据对应指标的实现方案。5个压缩文件中，一个是COCO数据集中图片的压缩文件，另外2个是训练的图像编号问题字典json文件以及问题标签json文件，剩下2个是验证的图像编号问题字典json文件以及问题标签json文件。图像编号问题字典json文件包括了一个字典结构，其中Key是图像在对应COCO数据集中的编号，Value是对应问题的文本。问题标签json文件包括了一个字典结构，提供了问题的答案信息。

搜集汇总

背景与挑战

背景概述

该数据集基于COCO随机图像构建，是一个大规模的外部知识引导视觉问答数据集（OK-VQA），包含约14055个问题及对应答案，涵盖12591个不重复问题。数据文件包括COCO图像压缩包、训练和验证集的图像编号问题字典JSON文件以及问题标签JSON文件，适用于需要外部知识推理的视觉问答任务研究。