V-COCO (Verbs in COCO)

COCO 中的动词（V-COCO）是一个基于 COCO 的数据集，用于人机交互检测。 V-COCO 提供 10,346 张图像（2,533 张用于训练，2,867 张用于验证，4,946 张用于测试）和 16,199 个人物实例。每个人都有 29 个动作类别的注释，并且没有包括对象在内的交互标签。

Verbs in COCO (V-COCO) is a COCO-based dataset dedicated to human-object interaction detection. V-COCO provides 10,346 images (2,533 for training, 2,867 for validation, and 4,946 for testing) and 16,199 human instances. Each human instance is annotated with 29 action categories, and no interaction labels incorporate object information.

搜集汇总

背景与挑战

背景概述

V-COCO是一个基于COCO的人机交互检测数据集，包含10,346张图像和16,199个人物实例，每个实例标注了29个动作类别，但未包括对象交互标签。该数据集由加州大学伯克利分校于2015年发布，适用于视觉语义角色标注任务，主要用于训练和评估人机交互检测模型。