这是一个可视化问答数据集，这些问答都是根据 MS-COCO 中的图像描述自动生成的。该数据集可用于解决基于图像问答之类的问题。

该数据集包括：

• 123,287 张图像
• 78,736 个训练题
• 38,948 个测试题
• 四种问题类型：物体、数字、颜色、位置
• 答案均只用一个词描述