В рубрике интересных наборов данных COYO-700M: Image-Text Pair Dataset [1] набор данные в виде пар изображение-текст собранный из базы Common Crawl, крупнейшего открытого поискового индекса в мире. В наборе данных более 700 миллионов изображений полученных после анализа 10 миллиардов ссылок с упоминанием изображений. Изображения только к текстам на английском, без картинок для взрослых, прошедшие интенсивную фильтрацию и так далее. Набор данных можно скачать по ссылке [2]. Ссылки: [1] https://github.com/kakaobrain/coyo-dataset [2] huggingface.co/dataset…oyo-700m #opendata #datasets