GroundingLMM 项目数据集准备全指南
2025-06-10 06:00:20作者:裘晴惠Vivianne
项目背景与数据集概述
GroundingLMM 是一个多模态大语言模型项目,旨在实现图像理解、区域标注、视觉问答等多种功能。要训练这样一个强大的模型,需要准备多种类型的数据集,每种数据集对应不同的视觉语言任务。
数据集目录结构总览
在开始下载具体数据集前,先了解整个项目的目录结构规划:
├── GranDf
├── GranDf_HA_images
├── Semantic_Segm
├── Refer_Segm
├── RefCoco_Reg
├── visual_genome
├── llava_dataset
├── coco_2017
├── coco_2014
└── flikcr_30k
1. GranD-f 基础对话数据集
GranD-f 是项目核心数据集,包含四种子集:
- 高质量人工标注集:项目团队专门标注
- Open-PSG GCG:基于场景图生成的对话
- RefCOCO-g GCG:基于指代表达的对话
- Flickr-30k GCG:基于Flickr图像的对话
数据准备要点
- 标注文件需放置在
GranDf/annotations
目录下 - 图像文件按训练/验证集分开存放
- 需要额外下载COCO和Flickr30k的原始图像
2. 语义分割数据集
语义分割数据用于训练模型理解图像中的物体边界和类别,包含五个主流数据集:
- ADE20K:MIT发布的场景解析数据集
- COCO-Stuff:COCO的扩展版,增加"stuff"类别
- PASCAL-Part:包含物体部件的细粒度标注
- PACO-LVIS:针对部分和属性的标注
- Mapillary:街景图像数据集
使用建议
- 各数据集标注格式不同,需统一处理
- 建议先从小规模数据开始验证流程
- 注意不同数据集的类别体系差异
3. 指代表达数据集
用于训练模型理解基于语言描述的图像区域定位,包含:
- RefCOCO/RefCOCO+/RefCOCOg:基于COCO图像的指代表达
- RefCLEF:较早的指代表达数据集
注意事项
- 需要与COCO2014图像配合使用
- 不同子集的标注侧重点不同
- RefCLEF使用独立的图像集
4. 区域级标注数据集
用于训练模型生成针对特定图像区域的描述,包含:
- RefCOCO系列:基于指代表达的标注
- Visual Genome:丰富的区域-描述对
- Flickr30k:社交媒体图像的描述
数据处理技巧
- 注意边界框标注的归一化处理
- 可结合视觉特征和文本特征联合训练
- 不同数据集的描述风格差异较大
5. 图像描述数据集
主要使用COCO Caption数据集,这是最常用的图像描述基准数据集。
最佳实践
- 可利用已有的预训练特征加速训练
- 注意平衡不同长度描述的样本
- 可尝试多种描述生成策略
6. 视觉问答数据集
使用LLaVA-instruct-150k,这是一个大规模的视觉问答指令数据集。
使用建议
- 问题类型多样,适合训练通用VQA能力
- 可与纯文本QA数据结合训练
- 注意处理开放式问题的评估
7. GranD预训练数据集
这是项目的核心预训练数据,包含多种任务格式:
- 简短描述生成
- 指代表达生成
- 指代表达分割
关键点
- 使用LMDB格式提高IO效率
- 多任务联合训练提升模型泛化能力
- 注意任务间的样本平衡
实际应用建议
- 从小规模开始:先验证流程可用性
- 分批下载:大数据集可分步获取
- 版本控制:记录各数据集的版本信息
- 数据检查:下载后验证数据完整性
- 预处理缓存:对常用特征进行预处理
通过系统性地准备这些数据集,研究者可以完整复现GroundingLMM项目的训练过程,或基于此框架开发新的多模态模型。不同数据集间的协同效应将显著提升模型的多任务处理能力。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~058CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0383- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
52
422

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
349
383

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
873
517

React Native鸿蒙化仓库
C++
179
264

openGauss kernel ~ openGauss is an open source relational database management system
C++
131
185

deepin linux kernel
C
22
5

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
335
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
32
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0