Visual Genome 图片语义分割数据集

Visual Genome 数据集是机器视觉类数据集，包含 108077 张图片，540 万个区域描述，170 万份可视化问答数据，380 万个目标实例，280 万个属性以及 230 万个关系信息。该数据集是由斯坦福大学、 Yahoo 、丰田等共同合作完成，致力于将图片信息与语言紧密连接。

The Visual Genome dataset is a computer vision dataset that consists of 108,077 images, 5.4 million region descriptions, 1.7 million visual question answering (VQA) instances, 3.8 million object instances, 2.8 million attributes, and 2.3 million relationship annotations. It was co-developed by Stanford University, Yahoo, Toyota, and other collaborators, with the goal of tightly connecting image information and natural language.

搜集汇总

背景与挑战

背景概述

Visual Genome是一个机器视觉数据集，包含超过10万张图片，并提供了丰富的语义标注，如区域描述、问答数据、目标实例和关系信息。该数据集由斯坦福大学、Yahoo和丰田等机构合作开发，旨在促进图片与语言之间的关联研究。