VQA (v2.0), dont le nom complet est Visual Question Answering (v2.0), est un ensemble de données de questions-réponses ouvertes et annotées manuellement sur les images. Répondre à ces questions nécessite une certaine compréhension des images, du langage et du bon sens.

Exemple d'image :

L'ensemble de données comprend :

• 265 016 images (provenant de jeux de données COCO et de scènes abstraites)
• Le nombre de questions par image est supérieur ou égal à 3 (moyenne 5,4 questions)
• Chaque question contient 10 vérités fondamentales
• Chaque question a 3 réponses plausibles (mais pas nécessairement correctes)
• Mesures d'évaluation automatique

L'ensemble de données VQA a été publié pour la première fois en octobre 2015 et VQA v2.0 a été publié en avril 2017.Cet ensemble de données est la version v2.0.Par rapport à VQA v1.0, v2.0 complète chaque question avec des images pour minimiser les biais linguistiques.