Δεδομένα: Ενσωμάτωση Δεδομένων/Επικεφαλίδες Flickr30K
term_id: datasetembedding_dataflickr30k_captions
Category: training_techniques
Definition
Οι επικεφαλίδες Flickr30K είναι ένα ευρέως χρησιμοποιούμενο σύνολο δεδομένων αναφοράς που περιλαμβάνει 31.783 εικόνες, καθεμία από τις οποίες συνοδεύεται από πέντε διακριτές αγγλικές προτάσεις που περιγράφουν το οπτικό περιεχόμενο. Αποτελεί θεμελιώδη πόρο.
Summary
Ένα πολυτροπικό σύνολο δεδομένων που συνδέει 31.000 εικόνες με επικεφαλίδες που έχουν δημιουργηθεί από ανθρώπους, για την εκπαίδευση μοντέλων διατροπικής ενσωμάτωσης.
Key Concepts
- Πολυτροπική Μάθηση
- Συμφωνία Εικόνας-Κειμένου
- Διατροπική Αναζήτηση
- Οπτικός Προσανατολισμός
Use Cases
- Κατασκευή μηχανών αναζήτησης εικόνων
- Γενεραρία περιγραφών εικόνων
- Εκπαίδευση μοντέλων όρασης-γλώσσας