Датасет · visual-layer
Расширенный ImageNet-1K с описаниями и рамками объектов
visual-layer/imagenet-1k-vl-enriched
Дополненная версия ImageNet-1K объемом более миллиона записей с текстовыми описаниями, ограничивающими рамками и пометками об ошибках разметки.
Что внутри
Это обогащенная версия классического датасета ImageNet-1K, куда добавили развернутые текстовые описания на английском языке, координаты объектов (bounding boxes) и информацию о проблемах с исходными метками. В наборе от 1 до 10 миллионов записей, организованных в таблицу из 6 колонок, включая оригинальные имена файлов. Пометки об ошибках позволяют отфильтровать шум и собрать более чистую выборку.
Что можно сделать
- Обучение мультимодальных моделей для задач image-to-text, text-to-image и visual question answering
- Тренировка детекторов объектов и очистка классических наборов данных от ошибок разметки
- Задачи
- Детекция объектов, Классификация картинок, Текст → картинка, Картинка → текст, Вопросы по картинкам
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 2,8 тыс.
- Лайков
- 41
Модели, обученные на нём
- Leonardo6/sft-llava-v1.6-vicuna-7b-hfКартинка + текст 24
- Leonardo6/llava-sft-freezeКартинка + текст 15
- Leonardo6/sft-llava-1.5-7b-hfКартинка + текст 13
- mascIT/gradientlab-exp20251025_0_vlm_20m_in1k 7
- Leonardo6/llava-sftКартинка + текст 6
- fakekungfu/Fusion-Prior-H14_B32_VAE 6
- hkchengrex/c2ot-imagenet32-fmТекст → картинка 0
- hkchengrex/c2ot-imagenet32-otТекст → картинка 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("visual-layer/imagenet-1k-vl-enriched")