Multimodal-Fatima/VQAv2_testdev_final

---
dataset_info:
features:
- name: question_type
dtype: string
- name: multiple_choice_answer
dtype: string
- name: answers
sequence: string
- name: answers_original
list:
- name: 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: image
dtype: image
- name: id
dtype: int64
- name: clip_tags_ViT_L_14
sequence: string
- name: blip_caption
dtype: string
- name: LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14
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: Attributes_ViT_L_14_descriptors_text_davinci_003_full
sequence: string
- name: Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full
sequence: string
- name: clip_tags_ViT_L_14_with_openai
sequence: string
- name: clip_tags_LAION_ViT_H_14_2B_with_openai
sequence: string
splits:
- name: testdev
num_bytes: 22095364841.0
num_examples: 107394
download_size: 11622249771
dataset_size: 22095364841.0
---
# Dataset Card for "VQAv2_testdev_final"

[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：
- 字段名：question_type（问题类型），数据类型：字符串型
- 字段名：multiple_choice_answer（选择题答案），数据类型：字符串型
- 字段名：answers（答案集），数据类型：字符串序列型
- 字段名：answers_original（原始答案集），列表型，包含：
- answer（答案）：字符串型
- answer_confidence（答案置信度）：字符串型
- answer_id（答案ID）：64位整型
- 字段名：id_image（图像ID），数据类型：64位整型
- 字段名：answer_type（答案类型），数据类型：字符串型
- 字段名：question_id（问题ID），数据类型：64位整型
- 字段名：question（问题文本），数据类型：字符串型
- 字段名：image（图像数据），数据类型：图像型
- 字段名：id（样本ID），数据类型：64位整型
- 字段名：clip_tags_ViT_L_14（ViT-L_14模型CLIP标签），数据类型：字符串序列型（CLIP：对比语言-图像预训练模型）
- 字段名：blip_caption（BLIP字幕），数据类型：字符串型（BLIP：自举语言-图像预训练模型）
- 字段名：LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14（基于GPT3、视觉基因组与ViT-L_14的大语言模型下游任务描述），数据类型：字符串序列型（大语言模型：Large Language Model，LLM）
- 字段名：DETA_detections_deta_swin_large_o365_coco_classes（DETA Swin Large模型O365 COCO类别集检测结果），列表型，包含：
- attribute（属性）：字符串型
- box（边界框）：32位浮点型序列
- label（标签）：字符串型
- location（位置）：字符串型
- ratio（宽高比）：32位浮点型
- size（尺寸）：字符串型
- tag（标记）：字符串型
- 字段名：DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random（带随机字幕模块的DETA Swin Large模型O365 COCO类别集检测结果），列表型，包含：
- attribute（属性）：字符串型
- box（边界框）：64位浮点型序列
- captions_module（字幕模块）：字符串型序列
- captions_module_filter（字幕模块过滤结果）：字符串型序列
- label（标签）：字符串型
- location（位置）：字符串型
- ratio（宽高比）：64位浮点型
- size（尺寸）：字符串型
- tag（标记）：字符串型
- 字段名：Attributes_ViT_L_14_descriptors_text_davinci_003_full（ViT-L_14与text-davinci-003全量属性描述符），数据类型：字符串序列型
- 字段名：Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full（LAION ViT-H_14_2B与text-davinci-003全量属性描述符），数据类型：字符串序列型
- 字段名：clip_tags_ViT_L_14_with_openai（带OpenAI标注的ViT-L_14模型CLIP标签），数据类型：字符串序列型
- 字段名：clip_tags_LAION_ViT_H_14_2B_with_openai（带OpenAI标注的LAION ViT-H_14_2B模型CLIP标签），数据类型：字符串序列型
数据集划分：
- 划分名称：testdev，字节数：22095364841.0，样本数：107394
下载大小：11622249771
数据集总大小：22095364841.0

---
# 数据集卡片："VQAv2_testdev_final"

[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

VQAv2_testdev_final

数据集特征

• question_type (string)
• multiple_choice_answer (string)
• answers (sequence: string)
• answers_original (list)
  • answer (string)
  • answer_confidence (string)
  • answer_id (int64)
• id_image (int64)
• answer_type (string)
• question_id (int64)
• question (string)
• image (image)
• id (int64)
• clip_tags_ViT_L_14 (sequence: string)
• blip_caption (string)
• LLM_Description_gpt3_downstream_tasks_visual_genome_ViT_L_14 (sequence: string)
• DETA_detections_deta_swin_large_o365_coco_classes (list)
  • attribute (string)
  • box (sequence: float32)
  • label (string)
  • location (string)
  • ratio (float32)
  • size (string)
  • tag (string)
• DETA_detections_deta_swin_large_o365_coco_classes_caption_module_random (list)
  • attribute (string)
  • box (sequence: float64)
  • captions_module (sequence: string)
  • captions_module_filter (sequence: string)
  • label (string)
  • location (string)
  • ratio (float64)
  • size (string)
  • tag (string)
• Attributes_ViT_L_14_descriptors_text_davinci_003_full (sequence: string)
• Attributes_LAION_ViT_H_14_2B_descriptors_text_davinci_003_full (sequence: string)
• clip_tags_ViT_L_14_with_openai (sequence: string)
• clip_tags_LAION_ViT_H_14_2B_with_openai (sequence: string)

数据集分割

• testdev
  • num_bytes: 22095364841.0
  • num_examples: 107394

数据集大小

• download_size: 11622249771
• dataset_size: 22095364841.0