vicenteor/sbu_captions

SBU Captioned Photo Dataset是一个包含来自Flickr的图像及其相关标题的数据集。该数据集主要用于图像到文本的任务，特别是图像字幕生成。每个数据实例包含一个图像URL、用户ID和图像标题。数据集的所有数据都包含在训练集中，共有100万个实例。数据集的创建过程涉及从Flickr进行大量查询，并过滤出与图像视觉相关的标题。数据集的标题语言为英语。

原始信息汇总

数据集概述

数据集名称

• 名称: SBU Captioned Photo Dataset
• 别名: sbu_captions

数据集基本信息

• 语言: 英语
• 许可证: 未知
• 多语言性: 单语种
• 大小: 1M<n<10M
• 源数据: 原始数据
• 任务类别: 图像到文本
• 任务ID: image-captioning
• 论文代码ID: sbu-captions-dataset

数据集特征

• image_url: 图像的URL，数据类型为字符串。
• user_id: 用户的ID，数据类型为字符串。
• caption: 图像的描述文本，数据类型为字符串。

数据集结构

• 数据实例: 每个实例包含一个图像URL、一个用户ID和一个描述文本。
• 数据字段:
  • image_url: 图像的静态URL。
  • caption: 图像的文本描述。
  • user_id: 描述文本的作者。
• 数据分割: 所有数据包含在训练集中，训练集包含100万实例。

数据集创建

• 来源数据: 图像来源于Flickr。
• 初始数据收集和标准化: 通过大量Flickr查询收集，并过滤出100万张带有视觉相关描述的图像。
• 注释过程: 图像的描述文本作为注释/标题继承。
• 注释者: Flickr用户。

使用数据注意事项

• 许可证信息: 未指定。
• 引用信息: bibtex @inproceedings{NIPS2011_5dd9db5e, author = {Ordonez, Vicente and Kulkarni, Girish and Berg, Tamara}, booktitle = {Advances in Neural Information Processing Systems}, editor = {J. Shawe-Taylor and R. Zemel and P. Bartlett and F. Pereira and K.Q. Weinberger}, pages = {}, publisher = {Curran Associates, Inc.}, title = {Im2Text: Describing Images Using 1 Million Captioned Photographs}, url = {https://proceedings.neurips.cc/paper/2011/file/5dd9db5e033da9c6fb5ba83c7a7ebea9-Paper.pdf}, volume = {24}, year = {2011} }