采集环境

包括自然场景、城市街景、商场场景、展览、家庭环境、陈列等多种场景

数据规模

20,000张图像，20,000段描述

采集设备

多种品牌的相机

存储格式

图片格式为.jpg，文本格式为.txt

语言

英语

文本长度

原则上为30~60个单词，通常包含3-5句话