Ensemble De Données De Sous-titres Vidéo MSR-VTT

MSR-VTT, nom complet de Microsoft Research Video to Text, est un ensemble de données de sous-titrage vidéo à grande échelle pour les domaines ouverts.

L'ensemble de données comprend 10 000 clips vidéo de 20 catégories, chacun contenant 20 phrases en anglais annotées par Amazon Mechanical Turks. Il y a environ 29 000 mots différents dans tous les sous-titres. La segmentation standard utilise 6 513 segments pour la formation, 497 segments pour la validation et 2 990 segments pour les tests.