GannaHelal/smile.Ai_traindataset

from transformers import pipeline

dataset_name = "GannaHelal/smile.Ai_traindataset"
faces = load_dataset(dataset_name)
faces = faces["train"]

captioner = pipeline("image-to-text",model="Salesforce/blip-image-captioning-large", device=0)

def caption_image_data(example):
image = example["image"]
image_caption = captioner(image)[0]['generated_text']
example['image_caption'] = image_caption
return example

faces_proc = faces.map(caption_image_data)
faces_proc.push_to_hub("GannaHelal/smile.Ai_traindataset")

原始信息汇总

数据集概述

数据集名称

• 名称: smile.Ai_traindataset
• 作者: GannaHelal

数据集内容

• 类型: 图像数据集
• 处理: 使用image-to-text模型对图像数据进行文本描述生成

数据集处理流程

1. 加载数据集: 通过load_dataset函数加载名为smile.Ai_traindataset的数据集。
2. 数据处理: 使用pipeline定义的image-to-text模型，模型为Salesforce/blip-image-captioning-large，对每张图像生成文本描述。
3. 更新数据集: 将生成的文本描述添加到数据集中的每条记录，字段名为image_caption。
4. 上传更新后的数据集: 将处理后的数据集重新上传至Hugging Face Hub，仍命名为GannaHelal/smile.Ai_traindataset。