ذكاء

• الوصف :

مجموعة بيانات نص الصورة (WIT) المستندة إلى ويكيبيديا هي مجموعة بيانات كبيرة متعددة الوسائط متعددة اللغات. يتكون برنامج WIT من مجموعة منسقة من 37.6 مليون أمثلة نصية غنية بالصور مع 11.5 مليون صورة فريدة عبر 108 لغات ويكيبيديا. يتيح حجمها إمكانية استخدام WIT كمجموعة بيانات قبل التدريب لنماذج التعلم الآلي متعددة الوسائط.

• وثائق إضافية : استكشف في الأوراق باستخدام الرمز north_east

• الصفحة الرئيسية : https://github.com/google-research-datasets/wit/

• كود المصدر : tfds.vision_language.wit.Wit

• إصدارات :

  • 1.0.0 : الإصدار الأولي. يقوم بتحميل مجموعة بيانات WIT من https://storage.googleapis.com/gresearch/wit/
  • 1.1.0 (افتراضي): إضافة val test الانقسامات.

• حجم التحميل : 25.20 GiB

• حجم مجموعة البيانات : 81.17 GiB

• التخزين المؤقت التلقائي ( التوثيق ): لا

• الانقسامات :

• هيكل الميزة :

FeaturesDict({
    'attribution_passes_lang_id': bool,
    'caption_alt_text_description': Text(shape=(), dtype=string),
    'caption_attribution_description': Text(shape=(), dtype=string),
    'caption_reference_description': Text(shape=(), dtype=string),
    'context_page_description': Text(shape=(), dtype=string),
    'context_section_description': Text(shape=(), dtype=string),
    'hierarchical_section_title': Text(shape=(), dtype=string),
    'image_url': Text(shape=(), dtype=string),
    'is_main_image': bool,
    'language': Text(shape=(), dtype=string),
    'mime_type': Text(shape=(), dtype=string),
    'original_height': int32,
    'original_width': int32,
    'page_changed_recently': bool,
    'page_title': Text(shape=(), dtype=string),
    'page_url': Text(shape=(), dtype=string),
    'section_title': Text(shape=(), dtype=string),
})

• وثائق الميزة :

• المفاتيح الخاضعة للإشراف (انظر المستند as_supervised ): None

• الشكل ( tfds.show_examples ): غير مدعوم.

• أمثلة ( tfds.as_dataframe ):

• الاقتباس :

@article{srinivasan2021wit,
  title={WIT: Wikipedia-based Image Text Dataset for Multimodal Multilingual Machine Learning},
  author={Srinivasan, Krishna and Raman, Karthik and Chen, Jiecao and Bendersky, Michael and Najork, Marc},
  journal={arXiv preprint arXiv:2103.01913},
  year={2021}
}