TheMrguiller/BilbaoCaptions

该数据集由Deusto大学计算与智能系统硕士项目的学生收集，数据来源于巴斯克地区著名的网页Deia和Getimages。数据集主要用于视觉问答任务，包含图像和对应的描述。数据集分为训练集和测试集，比例为80%和20%。数据集存在一些缺陷，如描述过于具体或过于泛泛，且足球比赛数据较多，导致数据不平衡。

原始信息汇总

数据集概述

数据集基本信息

• 名称: BilbaoCaptions
• 语言: 英语
• 标签: 代码
• 大小分类: 100B<n<1T

数据集结构

特征

• caption: 字符串类型，描述图像内容。
• image: 图像类型，对应的图像文件。

数据分割

• 训练集: 3960个样本，占用1372144989.6字节。
• 测试集: 990个样本，占用343036247.4字节。

数据集大小

• 下载大小: 1709055735字节
• 数据集总大小: 1715181237字节

数据集用途

• 主要用途: 视觉问答任务

数据集特点

• 描述问题: 描述有时过于具体，不适合作为标题。
• 内容不平衡: 包含过多足球比赛数据。
• 描述通用性: 部分描述过于通用。

数据集来源

• 收集来源: 来自巴斯克地区著名的网页Deia和Getimages。
• 数据集创建者: 德乌斯托大学计算与智能系统硕士学位的学生。