The Unsplash Lite Dataset 图片检索数据集精简版

Unsplash 是世界上最大的图片摄影网站之一，由全世界 20 多万摄影师参与贡献了数百万张高清优质的摄影作品。

Unsplash 在 2016 年开放了图片 API，截止目前已经达到了每月百万次调用，以及各种不同的使用场景。 Unsplash 数据集于 2020 年八月宣布开放两个照片检索数据集，为更多的学者和科研机构提供研究资料。

Unsplash 数据集包含两个版本：

精简版数据集（下载链接为该版本）：可用于商业和非商业使用场景。包含 2.5 万张自然主题的 Unsplash 照片的检索信息，共 2.5 万个关键词。

完整版数据集：仅限于非商业使用场景。包含 200 万张高质量 Unsplash 照片的检索信息，共 500 万个关键词。

本数据集为精简版数据集，压缩包 190M，解压后 550M ，包含四个单独的 TSV 文件（备注：TSV 文件可以在 PostgreSQL 数据库或 Pyhton 环境中加载）分别为：

• Collections : 82 MB
  • _{包含 Unsplash 用户创建的照片收藏夹的信息：包括照片的 ID（photo_id）、收藏夹的 ID(collection_id) 、收藏夹的标题 (collection_title) 和时间戳 (photo_collected_at) 等数据；}

• Conversions : 349 MB
  • _{包含用户搜索后选择的图像信息：包括照片时间戳（convert_at）、关键词（keyword）、照片 ID（photo_id）、脱敏后的用户 ID（onymous_user_id）和用户地理位置（conversion_country）等数据；}

• Keywords : 104 MB
  • _{包含用户搜索的照片 ID（photo_id）、搜索的关键字词（keyword）、关键字与图片的置信值（ai_service_1_confidence）等数据；}

• Photos : 6.5 MB
  • _{包含照片 ID（photo_id）、 url（photo_image_url）、摄影师信息（Photographer_username）、相机信息（exif_camera）、参数（exif_iso）、平台查看总次数（stats_views）、下载总次数（stats_downloads）、拍摄地地理坐标（ai_primary_landmark_name）}