Visual Genome 数据集是机器视觉类数据集，包含 108077 张图片，540 万个区域描述，170 万份可视化问答数据，380 万个目标实例，280 万个属性以及 230 万个关系信息。该数据集是由斯坦福大学、 Yahoo 、丰田等共同合作完成，致力于将图片信息与语言紧密连接。