К содержимому

Датасет · kdexd

12 млн пар «картинка-описание» с Reddit

kdexd/red_caps

Крупный англоязычный корпус из 12 млн изображений и подписей из 350 сабреддитов для задач image-to-text.

Что внутри

Внутри лежит 12 миллионов пар из изображений и текстовых подписей на английском языке. Данные собраны с Reddit из 350 вручную отобранных сабреддитов, тематика которых служит грубой разметкой без ручной аннотации каждого примера. Картинки и описания охватывают широкий набор объектов и сцен.

Что можно сделать

  • Предобучение мультимодальных моделей и энкодеров вроде CLIP
  • Обучение моделей генерации подписей к изображениям (image captioning)
  • Дообучение визуально-языковых моделей на разнообразных бытовых сценах
Задачи
Картинка → текст
Языки
Английский
Размер
10M–100M записей
Скачиваний за месяц
3,1 тыс.
Лайков
60

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("kdexd/red_caps")