atasoglu/flickr30k-turkish

该数据集是HuggingFaceM4/flickr30k数据集的机器翻译版本，使用facebook/nllb-200-3.3B翻译模型将其翻译成土耳其语。数据集包含图像、文件名、图像ID、句子ID、句子（包括分词和原始句子）、土耳其语原始句子等特征。数据集分为训练集、验证集和测试集，分别包含29000、1014和1000个样本。数据集的任务类别包括图像到文本、翻译和句子相似性，支持土耳其语和英语。

This dataset is a machine-translated version of the [HuggingFaceM4/flickr30k](https://huggingface.co/datasets/HuggingFaceM4/flickr30k) into Turkish using the [facebook/nllb-200-3.3B](https://huggingface.co/facebook/nllb-200-3.3B) translation model.

原始信息汇总

数据集概述

数据集信息

• 特征:

  • image: 图像数据
  • filename: 文件名，字符串类型
  • imgid: 图像ID，整数类型
  • sentids: 句子ID列表，整数类型
  • sentences: 句子列表
    • tokens: 分词列表，字符串类型
    • raw: 原始文本，字符串类型
    • imgid: 图像ID，整数类型
    • sentid: 句子ID，整数类型
  • raw_turkish: 土耳其语文本序列，字符串类型

• 分割:

  • train: 训练集，包含29000个样本，大小为3843262999字节
  • validation: 验证集，包含1014个样本，大小为141460570.428字节
  • test: 测试集，包含1000个样本，大小为143011292字节

• 下载大小: 4318471070字节

• 数据集大小: 4127734861.428字节

配置

• 默认配置:
  • train: 数据路径为data/train-*
  • validation: 数据路径为data/validation-*
  • test: 数据路径为data/test-*

许可证

• 类型: 其他

任务类别

• 图像到文本
• 翻译
• 句子相似度

语言

• 土耳其语
• 英语

数据集大小类别

• 10K<n<100K

数据集名称

• pretty_name: flickr30k-tr