VQA（图像问答）数据集结构及大致内容

这篇文章只讲下VQA的文件结构和文件内容，官方工具的用法及一些小技巧。

VQA数据集概况

其实VQA有很多种数据集，比较常用的有VQA v1.0、 VQA v2.0、Visual7W等。这篇文章中使用的数据集主要是VQA v1.0（其实和2.0差不多，读取方式没变，只是优化了内容，让模型更加不容易通过蒙来答对问题）。

直接开始吧。

VQA V1.0结构及内容概要

VQA v1.0的数据集内容如下¹：

VQA的结构：

以上图片截图自VQA官网

总之就是每张图片对应3个以上的问题（平均5.4个），每个问题对应10个正确答案和3个可能是正确的答案。

VQA文件结构

VQA文件主要分为图片、Questions和Annotations，test数据集没有Annotations文件。文件格式为json。