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。