conceptual-captions:概念字幕是一个包含（图像URL，字幕）对的数据集，旨在训练和评估机器学习的图像字幕系统-源码

概念字幕数据集 概念字幕是一个包含（图像URL，字幕）对的数据集，旨在训练和评估机器学习的图像字幕系统。 资料下载 有关详细信息，请参见 。 动机 自动图像字幕的任务是产生能正确反映图像视觉内容的自然语言（通常是句子）。 到目前为止，最常用于此任务的资源是，其中包含约120,000张图像和5路图像标题注释（由付费注释者生成）。 Google的“概念字幕”数据集包含超过300万张图像，以及自然语言字幕。 与MS-COCO图像的精选样式相比，Conceptual Captions图像及其原始描述是从Web上收集的，因此代表了更多的样式。 原始描述是从与Web图像关联的Alt-text HTML属性中获取的。 我们开发了一种自动流水线，用于提取，过滤和转换候选图像/字幕对，目的是在最终字幕的清洁度，信息量，流畅性和可学习性之间取得平衡。 本文提供了更多详细信息（如果您在工作中使用或讨论此数据