YouTube-8M 带标签视频数据集

YouTube – 8M 是一个带标签的大型视频数据集，它由数百万个 YouTube 视频 ID 组成，包含的 3800 多个可视化实体注释均由机器基于词汇表生成，预先计算的特点让其可被用于单硬盘，这也意味着使用单 GPU 在该数据集上训练基线模型成为可能。

YouTube-8M is a large-scale labeled video dataset comprising millions of YouTube video IDs. It includes over 3800 visual entity annotations generated by machines based on a predefined vocabulary. Its pre-computed features allow it to be utilized on a single hard disk drive, which also makes it feasible to train baseline models on this dataset using a single GPU.

搜集汇总

背景与挑战

背景概述

YouTube-8M是一个由Google于2016年发布的大型视频数据集，包含数百万YouTube视频ID，并带有基于词汇表机器生成的3800多个可视化实体注释。该数据集规模为1.52 TB，预先计算的特点使其适用于单硬盘和单GPU训练，但训练过程耗时较长，可用于多模态和视频理解等任务。