YouTube-100M データセットには 1 億件の YouTube ビデオが含まれています。これには、7,000 万本のトレーニング ビデオ、1,000 万本の評価ビデオ、2,000 万本の検証ビデオが含まれます。各ビデオは平均 4.6 分で、合計 540 万トレーニング時間になります。

このデータセットは 30,000 を超えるカテゴリ アノテーションをカバーしており、各ビデオのメタデータ (タイトル、説明、コメントなど)、背景、画像コンテンツの組み合わせに基づいて自動的に生成されます。平均して、各ビデオには約 5 つの注釈が付いています。