Visual Genome Dataset V1.2 大规模图片语义理解数据集

Visual Genome 是图像及图像内容语义信息相关数据集，相比于 ImageNet 图像标注数据集拥有更为丰富的语义信息，其被用于拓展基于图像及语义信息的人工智能应用中。

Visual Genome is a dataset dedicated to images and the semantic information contained within their content. Compared with the ImageNet image annotation dataset, it features richer semantic information and has been employed to develop and expand artificial intelligence applications based on images and semantic information.

搜集汇总

背景与挑战

背景概述

Visual Genome Dataset V1.2是一个大规模图片语义理解数据集，由斯坦福大学于2016年发布。它包含108,249张图片，以及420万条区域描述、170万条问答和210万条对象案例，旨在为人工智能应用提供丰富的图像语义信息。