К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("visual-layer/imagenet-1k-vl-enriched")