Visual Genome数据集介绍

最新推荐文章于 2025-06-01 22:27:57 发布
原创 最新推荐文章于 2025-06-01 22:27:57 发布 · 1.2w 阅读 · 26 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#Visual Genome #人工智能

Visual Genome数据集由斯坦福大学人工智能实验室主任李菲菲等开发，旨在提供一个丰富的数据集以帮助计算机理解图片。它包含了区域描述、物体、属性、关系、区域图、场景图和问答对，通过将视觉概念落实到语义层面，提供更全面的图像理解。数据集的创建灵感来源于人类认知过程，目标是通过多区域描述、问答和形式化表示来实现图像认知的深化。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Visual Genome数据集


Visual Genome数据集，是由斯坦福大学人工智能实验室主任李菲菲与几位同事合作开发的。


数据集及论文网址：http://visualgenome.org/




一、作者的初衷是什么？为什么要设计出这样一个数据集？


1．作者在视觉领域研究了多年，一直致力于寻求最好的算法，来达到更好的效果。但是受人类对于世界的认识过程的启发，作者认为，教计算机理解图片，其实和教儿童认识世界的过程是类似的。儿童的眼睛就类似一对生物相机，3岁时他已经浏览过数亿张真实世界的图像，这是一个非常庞大的训练数据集。

由此作者认为，不去一味的寻找算法，转而考虑如何构建一个丰富的数据集，或许可以有更好的效果。


2．计算机视觉的行程，最初是感知任务，例如图像分类等，能够达到给图像贴上标签的

最低0.47元/天 解锁文章

200万优质内容无限畅学
Dataset - Visual Genome 数据集
长风破浪会有时，直挂云帆济沧海
01-18 1万+
Visual Genome dataset Visual Genome 主页 Visual Genome Data Visual Genome Readme Visual Genome 数据集总览： 108077 张图片 5.4 Million Region Descriptions 1.7 Million Visual Question Answers 3.8 Million Obj...
Visual Genome视觉基因组(1)
Kivee的博客
10-25 3036
Visual Genome Connecting Language and Vision Using Crowdsourced Dense Image Annotations 数据集网址 摘要：   尽管在诸如图像分类等感知任务上取得了进展，计算机在诸如图像描述和问题回答等认知任务上仍然表现不佳。认知是任务的核心，认知不仅涉及了识别，而且包括对我们的视觉世界进行推理。然而，用于处理用于认知任务的图...
如何预处理数据集 Visual Genome
blauschneiden的博客
08-31 3546
如何预处理数据集 COCO 和 Visual GenomeVisual Genome构建 download_vg.sh 下载数据库（可选）image_data.json创建 vg_splits.json 将数据集分为 train, val 和 test去除 train, val 和 test 中尺寸较小的图片处理物体和关系的别名 （object_alias.txt 和 relationship_alias.txt） Visual Genome 构建 download_vg.sh 下载数据库（可选） bash
Flickr30k_Entities数据集
最新发布
frostmelody 全网同名，大家多多关注呀~ 持续分享优质内容！
06-01 1059
数据集包含 24.4 万个共指链（coreference chains）和 27.6 万个为原始数据集中每张图片（共 31,783 张）及其对应的英文标题（每张图片 5 个，共 158,915 个）手动标注的边界框（bounding boxes）。要获取此数据集的图像，请访问并填写页面底部的链接表单。数据集中的每张图片在 “Sentences” 文件夹中都有一个对应的.txt文件。该文件的每一行包含一个带有标注短语的标题，这些短语被方括号括起来。属于同一个共指链的短语共享相同的。
Visual Genome数据集简介
duoyasong5907的博客
03-29 5816
VG数据集
视觉基因(visual genome)项目及数据集介绍
zdcs的专栏
12-08 7298
因为要预研VQA项目参考，趁GPU满负荷的时间，记录下这个数据集相关笔记： 官方网站定义为： Visual Genome 是一个数据集，知识库，不断努力把结构化的图像概念和语言连接起来。 使用了众包的方式实现，由李飞飞一位同事 Michael Bernstein 提出。 截至今天2016/12/08包含： 108077张图片 540 万对区域的描述（Region
Visual Genome视觉基因组(4)
Kivee的博客
10-31 1643
6.Experiment   到现在为止，我们呈现了VG数据集并且分析它每个独立的部件。在有了丰富的信息之后，大量的感知和认知任务就可以被解决。在本章，我们的目的是提供一些使用VG的数据进行的一些实验baseline，这些都还没有被进一步研究。目标检测近年已经被很好的研究了。类似的，区域图和场景图也被展示出来他们可以用来改进语义图像检索的能力。因此我们专注在剩下的部分，属性、关系、区域描述和问答对...
scene graph generation benchmark关于visual genome的数据划分（train，test，val）
weixin_44151034的博客
06-20 1024
很多做scene graph generation，准备测试的同学，发现visual genome并没有提供官方的训练train，测试test，验证val数据集划分。不过我们可以参考的相关代码，然后找到这个代码里对VG150数据的划分，并参考这个领域对VG150的数据的划分，来划分VG150并进行验证。我们进入scene graph generation benchmark的代码，在这个文件里打上断点。
数据集整理
buyaotutou的博客
11-07 1471
这个增强版数据集为图像中的每个描述性短语（例如“穿红色衬衫的女人”）标注了对应的图像区域（bounding boxes），实现了更精确的图像-文本对齐。该数据集主要用于训练和评估模型生成图像描述的能力，也为图像和文本的跨模态理解（如图像检索、文本检索）提供了丰富的数据支持。物体标注不仅包括常见的物品（如“人”、“车”、“树”等），还包含了场景中的细节物体（如“杯子上的图案”或“地上的叶子”）。每张图像展示了日常生活中常见的物体，并且这些物体被置于真实的、复杂的背景环境中，例如街道、室内、餐厅等场景。
Dataset - Visual Genome 数据集格式
长风破浪会有时，直挂云帆济沧海
01-18 4241
Visual Genome 数据集格式 Visual Genome Readme
使用Visual Genome API + python3使用及数据集详情
mathlxj的博客
07-09 2770
Visual Genome数据集 Visual Genome 主页 Visual Genome API Visual Genome Python Driver Visual Genome 论文 注意，API多为python2的实现，这里在使用python3.8时做了个别源码的修改,请注意注释，有问题可以留言 安装 API pip install visual-genome 代码 注意，以下注释中有2处含“代码问题”字样，需要手动修改安装的API的源码。 ''' 使用visual_genome api
visual_genome_python_driver, 可视化基因组API的python 包装器.zip
09-16
可视化基因组 python-驱动程序可视化基因组 API的python 包装器。 访问网站以获得完整的对象模型列表，以及所有端点的详细信息。 看看我们的演示，看看怎样使用驱动程序来访问所有的可视化基因组数据。安装要安装这个包装器，你可
bottom-up-attention:基于Faster R-CNN和Visual Genome的自下而上的图像字幕和VQA注意模型
05-11
自下而上的注意 这段代码使用对象和属性注释，基于具有ResNet-101的Faster R-CNN的多gpu训练，实现了自下而上的注意力模型。 预训练的模型生成对应于显着图像区域的输出特征。 这些自下而上的注意力功能通常可以用作基于注意力的图像字幕和视觉问题解答（VQA）模型中CNN功能的直接替代。 该方法用于在 （ CIDEr 117.9 ， BLEU_4 36.9 ）上实现最先进的图像字幕性能，并赢得了（总体准确度为70.3％ ），具体说明如下： ，以及 。 下面说明了针对显着图像区域的一些示例对象和属性预测。 注意：此回购仅包括用于训练自下而上注意力/更快的R-CNN模型（第3.1节代码）。 实际的字幕模型（第3.2节）可在的单独回购中。 参考 如果您使用我们的代码或功能，请引用我们的论文： @inproceedings{Anderson2017up-down, aut
visual genome数据集本地标注
away__的博客
04-23 328
【代码】visual genome数据集本地标注。
Visual Genome ：Connecting Language and Vision Using Crowdsourced Dense Image Annotations.
土豆面炸鸡饭
10-20 2457
                                                                                        摘要 近年来，在深度学习的推动下，人工智能的三大方向（CV、Speech、NLP）取得了很多进展。在很多task上，AI的水平都达到甚至超越了人类baseline。 然而，在AI学术界存在的很多争论。其中有一个声音认为...
visual genome 数据集使用
源式羽语
02-04 2957
import matplotlib.pyplot as plt from matplotlib.patches import Rectangle from src import api as vg from PIL import Image as PIL_Image import requests from StringIO import StringIO ids = vg.GetImag
WIKI VISUAL GENOME知识库整理
冬炫的博客
03-03 805
WIKI API 试试数据调用接口 ，如果能调用就分享代码
Visual Genome 数据集标注内容
Aimer_Chen的博客
07-15 2380
2、Visual Genome 的数据表现 Visual Genome 数据集包括 7 个主要部分：区域描述、对象、属性、关系、区域图、场景图和问答对。图 4 展示了一幅画的每一个部分的例子。要对图像进行理解的研究，我们从收集描述和问答对开始。这些是原始的文本，没有任何长度和词汇的限制。下一步，我们从描述中提取对象、属性和关系。这些对象、属性和关系一起构造了我们的场景图，这代表了一般的图像。在这个...
Visual Genome视觉基因组(2)
Kivee的博客
10-28 821
4.Crowdsourcing strategies（众包策略）   VG全部是由Amazon Mechanical Turk上的众包工作者收集和验证的。下面我们会概述创建数据集的每个组件流水线方法。每个组件的构造都包含多个阶段，我们会提到我们采用的使得数据变得更准确和多样的策略。我们也会介绍一下这些使得VG成为可能的工作者们的背景信息。 4.1 Crowd works（众包）   我们使用A...
"利用场景图像生成图像；Visual Genome数据集详解
在数据集方面，Visual Genome 数据集是一个常用的用于场景图生成的数据集。Visual Genome 数据集包括了区域描述、对象、属性、关系等多个方面的信息，可以帮助研究人员更好地理解和学习视觉场景的结构。在Visual ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值