VQA (v2.0) 开放式问答数据集

VQA (v2.0) 全称 Visual Question Answering (v2.0)，是一个人工标注的、关于图像的开放式问答数据集。回答这些问题，需要对图像、语言以及常识都具备一定的理解力。

示例图像：

该数据集包括：

• 265,016 张图像（源自 COCO 以及 abstract scenes 数据集)
• 每幅图像涉及到的问题数量大于等于 3（平均 5.4 个问题）
• 每个问题包含 10 个基准真相 (ground truth)
• 每个问题包含 3 个合理（但不一定正确）的答案
• 自动评估指标

VQA 数据集首发于 2015 年 10 月，2017 年 4 月发布 VQA v2.0 。该数据集为 v2.0 版本，相比于 VQA v1.0，v2.0 为每个问题补充了图片，以尽量减少语言偏见。