700,000组通用场景图像描述数据（简单描述）【数据堂】

700,000组图像及描述，图片类型涵盖风景、动物、花卉树木、人物、汽车、运动、工业以及建筑等多种类别及一个美学子集，每张图不少于两种描述，每种描述一句话；少部分图像只有一种描述，描述语言为英语，中文两种语言

This dataset contains 700,000 image-caption pairs. The covered image categories include landscapes, animals, flowers and trees, human figures, automobiles, sports, industrial scenes, architecture, and other types, plus an aesthetic subset. Each image is paired with at least two one-sentence captions; a small number of images only have one caption, and all captions are available in both English and Chinese.

搜集汇总

背景与挑战

背景概述

该数据集包含70万组通用场景图像及描述，涵盖风景、动物、人物等多样类别，并包含一个美学子集。每张图通常有至少两种一句话描述（少数为一种），使用中文和英文，描述准确率不低于95%，但仅限企业合作购买。