อ้างอิง:
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:conceptual_captions')
- คำอธิบาย :
Image captioning dataset
The resulting dataset (version 1.1) has been split into Training, Validation, and Test splits. The Training split consists of 3,318,333 image-URL/caption pairs, with a total number of 51,201 total token types in the captions (i.e., total vocabulary). The average number of tokens per captions is 10.3 (standard deviation of 4.5), while the median is 9.0 tokens per caption. The Validation split consists of 15,840 image-URL/caption pairs, with similar statistics.
- ใบอนุญาต : ไม่มีใบอนุญาตที่รู้จัก
- เวอร์ชั่น : 1.1.0
- แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 3318333 |
'validation' | 15840 |
- คุณสมบัติ :
{
"id": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"caption": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"url": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
ไม่มีป้ายกำกับ
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:conceptual_captions/unlabeled')
- คำอธิบาย :
Google's Conceptual Captions dataset has more than 3 million images, paired with natural-language captions.
In contrast with the curated style of the MS-COCO images, Conceptual Captions images and their raw descriptions are harvested from the web,
and therefore represent a wider variety of styles. The raw descriptions are harvested from the Alt-text HTML attribute associated with web images.
The authors developed an automatic pipeline that extracts, filters, and transforms candidate image/caption pairs, with the goal of achieving a balance of cleanliness,
informativeness, fluency, and learnability of the resulting captions.
ใบอนุญาต : ชุดข้อมูลอาจนำไปใช้ได้อย่างอิสระเพื่อวัตถุประสงค์ใดๆ ก็ตาม แม้ว่าจะได้รับการยอมรับจาก Google LLC ("Google") ว่าเป็นแหล่งข้อมูลก็ตาม ชุดข้อมูลมีให้ "ตามที่เป็น" โดยไม่มีการรับประกันใดๆ ทั้งโดยชัดแจ้งหรือโดยนัย Google ไม่มีส่วนรับผิดต่อความเสียหายใดๆ ทั้งทางตรงและทางอ้อมอันเป็นผลมาจากการใช้ชุดข้อมูล
เวอร์ชั่น : 0.0.0
แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 3318333 |
'validation' | 15840 |
- คุณสมบัติ :
{
"image_url": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"caption": {
"dtype": "string",
"id": null,
"_type": "Value"
}
}
ติดป้ายกำกับ
ใช้คำสั่งต่อไปนี้เพื่อโหลดชุดข้อมูลนี้ใน TFDS:
ds = tfds.load('huggingface:conceptual_captions/labeled')
- คำอธิบาย :
Google's Conceptual Captions dataset has more than 3 million images, paired with natural-language captions.
In contrast with the curated style of the MS-COCO images, Conceptual Captions images and their raw descriptions are harvested from the web,
and therefore represent a wider variety of styles. The raw descriptions are harvested from the Alt-text HTML attribute associated with web images.
The authors developed an automatic pipeline that extracts, filters, and transforms candidate image/caption pairs, with the goal of achieving a balance of cleanliness,
informativeness, fluency, and learnability of the resulting captions.
ใบอนุญาต : ชุดข้อมูลอาจนำไปใช้ได้อย่างอิสระเพื่อวัตถุประสงค์ใดๆ ก็ตาม แม้ว่าจะได้รับการยอมรับจาก Google LLC ("Google") ว่าเป็นแหล่งข้อมูลก็ตาม ชุดข้อมูลมีให้ "ตามที่เป็น" โดยไม่มีการรับประกันใดๆ ทั้งโดยชัดแจ้งหรือโดยนัย Google ไม่มีส่วนรับผิดต่อความเสียหายใดๆ ทั้งทางตรงและทางอ้อมอันเป็นผลมาจากการใช้ชุดข้อมูล
เวอร์ชั่น : 0.0.0
แยก :
แยก | ตัวอย่าง |
---|---|
'train' | 2007090 |
- คุณสมบัติ :
{
"image_url": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"caption": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"labels": {
"feature": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"length": -1,
"id": null,
"_type": "Sequence"
},
"MIDs": {
"feature": {
"dtype": "string",
"id": null,
"_type": "Value"
},
"length": -1,
"id": null,
"_type": "Sequence"
},
"confidence_scores": {
"feature": {
"dtype": "float64",
"id": null,
"_type": "Value"
},
"length": -1,
"id": null,
"_type": "Sequence"
}
}