Multimodal-Fatima/OK-VQA_test

---
dataset_info:
features:
- name: image
dtype: image
- name: question_type
dtype: string
- name: confidence
dtype: int32
- name: answers
sequence: string
- name: answers_original
list:
- name: answer
dtype: string
- name: raw_answer
dtype: string
- name: answer_confidence
dtype: string
- name: answer_id
dtype: int64
- name: id_image
dtype: int64
- name: answer_type
dtype: string
- name: question_id
dtype: int64
- name: question
dtype: string
- name: id
dtype: int64
- name: clip_tags_LAION_ViT_H_14_2B
sequence: string
- name: clip_tags_ViT_L_14
sequence: string
- name: blip_caption_beam_5
dtype: string
- name: LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14
sequence: string
- name: LLM_Description_gpt3_downstream_tasks_visual_genome_LAION-ViT-H-14-2B
sequence: string
- name: DETA_detections_deta_swin_large_o365_coco_classes
list:
- name: attribute
dtype: string
- name: box
sequence: float32
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float32
- name: size
dtype: string
- name: tag
dtype: string
- name: DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random
list:
- name: attribute
dtype: string
- name: box
sequence: float64
- name: captions_module
sequence: string
- name: captions_module_filter
sequence: string
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float64
- name: size
dtype: string
- name: tag
dtype: string
- name: clip_tags_ViT_B_16_with_openai
sequence: string
- name: clip_tags_LAION_ViT_H_14_2B_with_openai
sequence: string
- name: clip_tags_ViT_L_14_with_openai
sequence: string
- name: Attributes_ViT_L_14_descriptors_text_davinci_003_full
sequence: string
- name: Attributes_ViT_B_16_descriptors_text_davinci_003_full
sequence: string
- name: Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full
sequence: string
- name: DETA_detections_deta_swin_large_o365_coco_classes_caption_all_patches_Salesforce_blip_image_captioning_large_
list:
- name: attribute
dtype: string
- name: box
sequence: float64
- name: captions_all_patches
sequence: string
- name: label
dtype: string
- name: location
dtype: string
- name: ratio
dtype: float64
- name: size
dtype: string
- name: tag
dtype: string
- name: blip_caption_topk_50_Salesforce_blip_image_captioning_large_multiple
sequence: string
splits:
- name: test
num_bytes: 1133674079.0
num_examples: 5046
download_size: 959321361
dataset_size: 1133674079.0
---
# Dataset Card for "OK-VQA_test"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征字段如下：
1. **image**：数据类型为图像（image）
2. **question_type**：数据类型为字符串（string）
3. **confidence**：数据类型为int32类型
4. **answers**：数据类型为字符串序列
5. **answers_original**：列表类型，包含以下子字段：
- **answer**：数据类型为字符串（string）
- **raw_answer**：数据类型为字符串（string）
- **answer_confidence**：数据类型为字符串（string）
- **answer_id**：数据类型为int64类型
6. **id_image**：数据类型为int64类型
7. **answer_type**：数据类型为字符串（string）
8. **question_id**：数据类型为int64类型
9. **question**：数据类型为字符串（string）
10. **id**：数据类型为int64类型
11. **clip_tags_LAION_ViT_H_14_2B**：字符串序列类型，即LAION_ViT_H_14_2B模型的CLIP（Contrastive Language-Image Pre-training）标签
12. **clip_tags_ViT_L_14**：字符串序列类型，即ViT_L_14模型的CLIP标签
13. **blip_caption_beam_5**：数据类型为字符串（string），即束宽为5的BLIP（Bootstrapping Language-Image Pre-training）图像描述
14. **LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14**：字符串序列类型，即基于ViT_L_14模型、针对视觉基因组（Visual Genome）下游任务的大语言模型（Large Language Model）GPT3（Generative Pre-trained Transformer 3）描述文本
15. **LLM_Description_gpt3_downstream_tasks_visual_genome_LAION-ViT-H-14-2B**：字符串序列类型，即基于LAION-ViT-H-14-2B模型、针对视觉基因组下游任务的GPT3大语言模型描述文本
16. **DETA_detections_deta_swin_large_o365_coco_classes**：列表类型，包含以下子字段：
- **attribute**：数据类型为字符串（string）
- **box**：float32类型序列
- **label**：数据类型为字符串（string）
- **location**：数据类型为字符串（string）
- **ratio**：数据类型为float32类型
- **size**：数据类型为字符串（string）
- **tag**：数据类型为字符串（string）
17. **DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random**：列表类型，包含以下子字段：
- **attribute**：数据类型为字符串（string）
- **box**：float64类型序列
- **captions_module**：字符串序列类型
- **captions_module_filter**：字符串序列类型
- **label**：数据类型为字符串（string）
- **location**：数据类型为字符串（string）
- **ratio**：数据类型为float64类型
- **size**：数据类型为字符串（string）
- **tag**：数据类型为字符串（string）
18. **clip_tags_ViT_B_16_with_openai**：字符串序列类型，即结合OpenAI接口的ViT_B_16模型的CLIP标签
19. **clip_tags_LAION_ViT_H_14_2B_with_openai**：字符串序列类型，即结合OpenAI接口的LAION_ViT_H_14_2B模型的CLIP标签
20. **clip_tags_ViT_L_14_with_openai**：字符串序列类型，即结合OpenAI接口的ViT_L_14模型的CLIP标签
21. **Attributes_ViT_L_14_descriptors_text_davinci_003_full**：字符串序列类型，即基于ViT_L_14模型、使用text-davinci-003生成的完整属性描述文本
22. **Attributes_ViT_B_16_descriptors_text_davinci_003_full**：字符串序列类型，即基于ViT_B_16模型、使用text-davinci-003生成的完整属性描述文本
23. **Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full**：字符串序列类型，即基于LAION_ViT_H_14_2B模型、使用text-davinci-003生成的完整属性描述文本
24. **DETA_detections_deta_swin_large_o365_coco_classes_caption_all_patches_Salesforce_blip_image_captioning_large_**：列表类型，包含以下子字段：
- **attribute**：数据类型为字符串（string）
- **box**：float64类型序列
- **captions_all_patches**：字符串序列类型
- **label**：数据类型为字符串（string）
- **location**：数据类型为字符串（string）
- **ratio**：数据类型为float64类型
- **size**：数据类型为字符串（string）
- **tag**：数据类型为字符串（string）
25. **blip_caption_topk_50_Salesforce_blip_image_captioning_large_multiple**：字符串序列类型，即基于Salesforce BLIP大型图像字幕模型生成的Top50多模态图像描述文本

## 拆分集信息：
包含以下拆分：
1. **test（测试集）**：字节大小为1133674079.0，样本数量为5046
下载总大小：959321361，数据集总大小：1133674079.0
---
# "OK-VQA_test"数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• OK-VQA_test

数据集特征

• image: 图像数据
• question_type: 字符串类型
• confidence: 整数类型（int32）
• answers: 字符串序列
• answers_original: 列表，包含以下字段：
  • answer: 字符串类型
  • raw_answer: 字符串类型
  • answer_confidence: 字符串类型
  • answer_id: 长整数类型（int64）
• id_image: 长整数类型（int64）
• answer_type: 字符串类型
• question_id: 长整数类型（int64）
• question: 字符串类型
• id: 长整数类型（int64）
• clip_tags_LAION_ViT_H_14_2B: 字符串序列
• clip_tags_ViT_L_14: 字符串序列
• blip_caption_beam_5: 字符串类型
• LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14: 字符串序列
• LLM_Description_gpt3_downstream_tasks_visual_genome_LAION-ViT-H-14-2B: 字符串序列
• DETA_detections_deta_swin_large_o365_coco_classes: 列表，包含以下字段：
  • attribute: 字符串类型
  • box: 浮点数序列（float32）
  • label: 字符串类型
  • location: 字符串类型
  • ratio: 浮点数类型
  • size: 字符串类型
  • tag: 字符串类型
• DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random: 列表，包含以下字段：
  • attribute: 字符串类型
  • box: 浮点数序列（float64）
  • captions_module: 字符串序列
  • captions_module_filter: 字符串序列
  • label: 字符串类型
  • location: 字符串类型
  • ratio: 浮点数类型
  • size: 字符串类型
  • tag: 字符串类型
• clip_tags_ViT_B_16_with_openai: 字符串序列
• clip_tags_LAION_ViT_H_14_2B_with_openai: 字符串序列
• clip_tags_ViT_L_14_with_openai: 字符串序列
• Attributes_ViT_L_14_descriptors_text_davinci_003_full: 字符串序列
• Attributes_ViT_B_16_descriptors_text_davinci_003_full: 字符串序列
• Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full: 字符串序列
• DETA_detections_deta_swin_large_o365_coco_classes_caption_all_patches_Salesforce_blip_image_captioning_large_: 列表，包含以下字段：
  • attribute: 字符串类型
  • box: 浮点数序列（float64）
  • captions_all_patches: 字符串序列
  • label: 字符串类型
  • location: 字符串类型
  • ratio: 浮点数类型
  • size: 字符串类型
  • tag: 字符串类型
• blip_caption_topk_50_Salesforce_blip_image_captioning_large_multiple: 字符串序列

数据集分割

• test: 包含5046个样本，数据集大小为1133674079.0字节，下载大小为959321361字节。