Datová sada: Vkládací data / Flickr30K Captions
term_id: datasetembedding_dataflickr30k_captions
Category: training_techniques
Definition
Flickr30K Captions je široce používaná benchmarková datová sada obsahující 31 783 obrázků, z nichž každý je opatřen pěti různými anglickými větami popisujícími vizuální obsah. Slouží jako základní zdroj.
Summary
Multimodální datová sada propojující 31 000 obrázků s popisky generovanými lidmi pro trénování modelů pro křížové modální vkládání.
Key Concepts
- Multimodální učení
- Soulad obraz-text
- Křížové modální vyhledávání
- Vizuální zakotvení
Use Cases
- Vytváření vyhledávačů obrázků
- Generování popisů obrázků
- Trénování modelů pro jazyk a vidění