octai

license: Apache License 2.0
#用户自定义标签
tags:
- Alibaba
- arxiv:1810.99999
- my free-style tag

text:
#二级只能属于一个task_categories
fill_mask:
#三级可以多选
languages:
- en
multilinguality:
- monolingual

audio:
automatic_speech_recognition:
languages:
- en
- fr
sampling_rates:
- 16000 <!--- integer --->
- 64000

image:
Image-to-Text:
resolutions:
- 640 x 480
- 1024 x 720
color_space:
- rgb
encoding:
- jpeg

video:
Object-Detection:
resolutions:
- 640 x 480
- 1024 x 720
encoding:
- mpeg

multi_modal:
Feature Extraction:
resolutions:
- 640 x 480
encoding:
- H264
languages:
- en
multilinguality:
- monolingual

---
<!--- 以上YAML section提供属性/tags描述--->

<!--- 以下为markdown格式的dataset描述--->

## 数据集描述
数据集整体描述。

### 数据集简介
提供对于数据集的介绍，支持的使用场景（包括支持的语言等）。

### 数据集支持的任务
该数据集支持的训练任务，以及相关benchmark结果。

## 数据集的格式和结构

### 数据格式
对数据的格式进行描述，包括数据的schema，以及提供必要的数据样本示范。
如果数据集内含多个子数据集的话，每个字数据集都应该提供相对应的数据格式描述。

### 数据集加载方式
通过代码范例等方式，提供数据集通过MaaS/Dataset SDK进行加载和使用的详细说明。

### 数据分片
数据集是否进行了预分片（例如是否有预设的train/test/validation的数据分片）。
如果有，数据的分片时如何实现的。
如果没有预先分片，是否对于数据使用过程中的分片有什么推荐（比例等）。

## 数据集生成的相关信息

### 原始数据
描述原始数据的来源以及数据的初步收集是如何进行的，是否经过归一化等处理流程。

### 数据集标注
该数据集是否包含标注，若有的话，相关信息描述。

#### 标注过程
标注是通过什么方式实现的，流程如何。

#### 标注者
标注者相关信息，尤其是当标着和原始数据提供者有所区别时。

## 数据集版权信息

数据集相关的版权信息，授权使用的场景和用户。是否开源，以及采用哪个开源协议等等。

## 引用方式

数据集是否有相关联的文章，以及如果在研究论文中要引用该数据集是否有推荐的引用格式等等。

## 其他相关信息

该数据集可能包含的个人和敏感信息，使用数据集需要考虑的相关背景；
数据集可能包含的社会意义以及其中可能包含的bias信息和可能的局限性等等。

license: Apache License 2.0
# User-defined tags
tags:
- Alibaba
- arxiv:1810.99999
- my free-style tag

text:
# Level 2 can only belong to one task_categories
fill_mask:
# Level 3 allows multiple selections
languages:
- en
multilinguality:
- monolingual

audio:
automatic_speech_recognition:
languages:
- en
- fr
sampling_rates:
- 16000 <!--- integer --->
- 64000

image:
Image-to-Text:
resolutions:
- 640 x 480
- 1024 x 720
color_space:
- rgb
encoding:
- jpeg

video:
Object-Detection:
resolutions:
- 640 x 480
- 1024 x 720
encoding:
- mpeg

multi_modal:
Feature Extraction:
resolutions:
- 640 x 480
encoding:
- H264
languages:
- en
multilinguality:
- monolingual

---
<!--- The above YAML section provides attribute/tags description --->

<!--- The following is the dataset description in markdown format --->

## Dataset Description
Overall description of the dataset.

### Dataset Overview
Provides an introduction to the dataset, including supported usage scenarios (e.g., supported languages).

### Supported Tasks
Supports training tasks and relevant benchmark results.

## Dataset Format and Structure

### Data Format
Describes the data format, including the data schema and provides necessary sample data demonstrations. If the dataset contains multiple sub-datasets, corresponding data format descriptions should be provided for each sub-dataset.

### Dataset Loading Method
Provides detailed instructions on loading and using the dataset via MaaS/Dataset SDK with code examples and other means.

### Data Splitting
Whether the dataset has been pre-split (e.g., whether there are preset train/test/validation data splits). If yes, how the data splitting is implemented. If not, are there any recommendations for splitting during dataset usage (e.g., ratio)?

## Dataset Generation-related Information

### Raw Data
Describes the source of the raw data, how the initial data collection was conducted, and whether normalization and other processing procedures have been applied.

### Dataset Annotation
Whether the dataset contains annotations; if so, describe relevant information.

#### Annotation Process
How the annotations are implemented and the detailed workflow.

#### Annotators
Relevant information about annotators, especially when the annotators are different from the original data providers.

## Dataset Copyright Information

Relevant copyright information of the dataset, authorized usage scenarios and users. Whether it is open source and which open source license is adopted, etc.

## Citation Method

Whether the dataset has associated articles, and if so, whether there is a recommended citation format for citing the dataset in research papers, etc.

## Other Relevant Information

Personal and sensitive information that may be contained in the dataset, and relevant background that needs to be considered when using the dataset; social significance that the dataset may contain, as well as possible bias information and limitations, etc.