CC12M (Conceptual 12M)
收藏OpenDataLab2026-05-24 更新2024-05-09 收录
下载链接:
https://opendatalab.org.cn/OpenDataLab/CC12M
下载链接
链接失效反馈官方服务:
资源简介:
概念12 M (CC12M),具有约1200万个图像文本对的数据集,旨在用于视觉和语言预训练。与概念字幕 (CC3M) 相比,它更大,涵盖了更多的视觉概念集,该概念集广泛用于图像字幕模型的预训练和端到端训练。
Conceptual 12M (CC12M) is a dataset consisting of approximately 12 million image-text pairs, designed for vision-and-language pre-training. Compared to Conceptual Captions (CC3M), it has a larger scale and covers a more extensive set of visual concepts, which has been widely used for pre-training and end-to-end training of image captioning models.
提供机构:
OpenDataLab
创建时间:
2022-05-30
搜集汇总
数据集介绍

背景与挑战
背景概述
CC12M是一个由Google Research于2021年发布的大规模图像文本对数据集,包含约1200万个样本,旨在用于视觉和语言预训练。它比前代CC3M更大,覆盖了更广泛的视觉概念集,特别关注长尾视觉概念的识别,适用于图像字幕模型的预训练和端到端训练。
以上内容由遇见数据集搜集并总结生成



