Microsoft COCO Captions 数据集为 Microsoft Common Objects in COntext (COCO) 数据集中的图像提供了人工生成的图片描述。该数据集为超过 33 万张图片提供超过 150 万条描述。 对于训练集和验证集中的每张图像，都人为标注了 5 段描述。