ServiceNow/coco_encoded

--- dataset_info: features: - name: image dtype: image - name: filepath dtype: string - name: sentids list: int32 - name: filename dtype: string - name: imgid dtype: int32 - name: split dtype: string - name: sentences struct: - name: tokens list: string - name: raw dtype: string - name: imgid dtype: int32 - name: sentid dtype: int32 - name: cocoid dtype: int32 - name: hf_hub_laion/CLIP_ViT_g_14_laion2B_s12B_b42K_short_features sequence: float32 - name: FacebookAI/roberta_base_short_features sequence: float32 - name: FacebookAI/roberta_base_long_features sequence: float32 - name: FacebookAI/roberta_base_normalized_long_features sequence: float32 - name: facebook/dinov2_large_short_features sequence: float32 - name: facebook/dinov2_large_long_features sequence: float32 - name: facebook/dinov2_large_normalized_long_features sequence: float32 - name: hf_hub_timm/ViT_B_16_SigLIP_short_features sequence: float32 splits: - name: train num_bytes: 102385311908.625 num_examples: 566747 - name: validation num_bytes: 4517702812.75 num_examples: 25010 - name: test num_bytes: 4516243134.75 num_examples: 25010 download_size: 80421808435 dataset_size: 111419257856.125 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* ---数据集信息： ### 特征字段 本数据集涵盖如下特征字段： 1. `image`：图像类型数据 2. `filepath`：字符串格式的文件路径 3. `sentids`：int32类型的句子ID列表 4. `filename`：字符串格式的文件名 5. `imgid`：int32类型的图像ID 6. `split`：字符串格式的数据集划分标识 7. `sentences`：结构体类型特征，包含子字段： - `tokens`：字符串类型的标记（Token）列表 - `raw`：字符串类型的原始句子文本 - `imgid`：int32类型的关联图像ID - `sentid`：int32类型的句子ID 8. `cocoid`：int32类型的COCO图像ID 9. `hf_hub_laion/CLIP_ViT_g_14_laion2B_s12B_b42K_short_features`：float32类型的特征序列 10. `FacebookAI/roberta_base_short_features`：float32类型的特征序列 11. `FacebookAI/roberta_base_long_features`：float32类型的特征序列 12. `FacebookAI/roberta_base_normalized_long_features`：float32类型的归一化长文本特征序列 13. `facebook/dinov2_large_short_features`：float32类型的特征序列 14. `facebook/dinov2_large_long_features`：float32类型的特征序列 15. `facebook/dinov2_large_normalized_long_features`：float32类型的归一化长文本特征序列 16. `hf_hub_timm/ViT_B_16_SigLIP_short_features`：float32类型的特征序列 ### 数据集划分 本数据集包含三类划分子集： - 训练集（train）：数据体量为102385311908.625字节，样本量566747 - 验证集（validation）：数据体量为4517702812.75字节，样本量25010 - 测试集（test）：数据体量为4516243134.75字节，样本量25010 本数据集整体下载规模为80421808435字节，总存储体量为111419257856.125字节。 ### 数据集配置 默认配置对应的数据文件路径如下： - 训练集：`data/train-*` - 验证集：`data/validation-*` - 测试集：`data/test-*`

原始信息汇总

数据集概述

数据特征

• image: 图像数据
• filepath: 字符串，文件路径
• sentids: 整数列表
• filename: 字符串，文件名
• imgid: 整数，图像ID
• split: 字符串，数据集划分（如训练、验证、测试）
• sentences: 结构化数据，包含以下字段：
  • tokens: 字符串列表
  • raw: 字符串，原始文本
  • imgid: 整数，图像ID
  • sentid: 整数，句子ID
• cocoid: 整数，COCO图像ID
• hf_hub_laion/CLIP_ViT_g_14_laion2B_s12B_b42K_short_features: 浮点数序列
• FacebookAI/roberta_base_short_features: 浮点数序列
• FacebookAI/roberta_base_long_features: 浮点数序列
• FacebookAI/roberta_base_normalized_long_features: 浮点数序列
• facebook/dinov2_large_short_features: 浮点数序列
• facebook/dinov2_large_long_features: 浮点数序列
• facebook/dinov2_large_normalized_long_features: 浮点数序列
• hf_hub_timm/ViT_B_16_SigLIP_short_features: 浮点数序列

数据集划分

• train: 训练集，包含566747个样本，大小为102385311908.625字节
• validation: 验证集，包含25010个样本，大小为4517702812.75字节
• test: 测试集，包含25010个样本，大小为4516243134.75字节

数据集大小

• 下载大小: 80421808435字节
• 数据集大小: 111419257856.125字节

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • validation: 路径为data/validation-*
    • test: 路径为data/test-*