ImageNet-VidVRD

ImageNet-VidVRD 数据集包含从 ILVSRC2016-VID 数据集中根据视频是否包含清晰的视觉关系选择的 1,000 个视频。它分为 800 个训练集和 200 个测试集，涵盖 35 个类别的常见主语/宾语和 132 个类别的谓词。有 10 人对数据集进行了标注，包括对象轨迹标注和关系标注。由于 ILVSRC2016-VID 数据集已经有 30 个类别的对象轨迹注释，我们通过标记其余 5 个类别来补充注释。为了节省关系标记的工作，我们标记了训练集中视频的典型片段和测试集中的整个视频。