跨模态檢索常用資料集

去年剛剛接觸跨模态檢索，因為是首屆去做這個方向的，是以沒有任何師兄師姐可以指導，也沒有相應的資源。

曾經因為資料集的問題頭疼過一段時間，現在整理一下，做個記錄。

整理時間：2021-12-19

1.Pascal Sentence：

1000張圖檔，20個類别，每張圖檔五個描述的句子。

官網：http://vision.cs.uiuc.edu/pascal-sentences/

2.Wikipedia：

官網：http://www.svcl.ucsd.edu/projects/crossmodal/

2866個圖檔文本對

a.原始資料：圖檔為jpg，文本為XML檔案，共計1.4G。（官網提供，自行下載下傳）

b.手工提取特征：128維SIFT圖檔特征，10維LDA文本特征。（官網提供，自行下載下傳）

3.MIRFLICKR：

官網位址404。比較完整的資料集以及制作政策詳見：https://blog.csdn.net/HackerTom/article/details/98477506。

4.Nuswide：

共計269,648張圖檔和相應文本；一般分為Nus-wide-10k（挑選十個類别，1w張圖像文本對）、Nus-wide-21k兩種。

官網：https://lms.comp.nus.edu.sg/wp-content/uploads/2019/research/nuswide/NUS-WIDE.html

a.原始資料：官網提供部分，圖檔部分無法下載下傳，我從以下部落格找到相應的rgb圖像包，結合官網檔案使用。可按照（https://blog.csdn.net/weixin_44012382/article/details/120729911）來制作相應資料集。

因為原始提供者在谷歌雲釋出，國内不友善下載下傳，這裡提供備份。

​ 連結：https://pan.baidu.com/s/1Zktv9mOEaI2h29IKLoSh4w

​ 提取碼：f76a

b.手工特征：SIFT圖檔特征，LDA文本特征。（官網提供）

5.XMediaNet：

網站:http://59.108.48.34/tiki/XMediaNet/

說明：北大實驗室的資料，應該是需要教職工申請，我沒申請。

6.IAPR TC-12

暫時沒有用到，待更新。

7.MS-COCO

暫時沒有用到，待更新。