CLEVR-Hans

CLEVR-Hans 数据集是一种新颖的混杂视觉场景数据集，它捕获了不同对象的复杂组合。该数据集由分为几类的 CLEVR 图像组成。
类的成员资格基于对象的属性和关系的组合。此外，数据集中的某些类是混淆的。因此，在由训练、验证和测试分割组成的数据集中，所有混淆类的训练和验证图像都将与特定属性或属性组合混淆。
每个类由 3000 个训练图像、750 个验证图像和 750 个测试图像表示。对于 CLEVR-Hans3，训练、验证和测试集拆分分别包含 9000、2250 和 2250 个样本，对于 CLEVR-Hans7，分别包含 21000、5250 和 5250 个样本。所有数据拆分的类分布都是平衡的。
对于类规则包含三个以上对象的 CLEVR-Hans 类，每个场景要放置的对象数量是在该类所需的最小对象数量和十个之间随机选择的，而不是在三到十之间，如在原始 CLEVR 数据集。
最后，创建的图像使得类规则的精确组合不会出现在其他类的图像中。一个类规则的对象子集可能出现在另一类的图像中。但是，图像中不可能包含多个完整的类规则。