搜狗实验室资料下载 - 互联网图片库

名称：	互联网图片库
关键词：	图片、相关文字
摘要：	互联网图片库包括：互联网上的部分图片数据及其对应的自动标注信息。目的是为从事互联网图片检索的研究人员和爱好者们，提供服务。
介绍：	互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别，总数高达160，879张图片。对于每张图片，数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。语料库统计的意义：提供一个较大规模的图片集和相关的网页集。应用案例：基于文本、内容的图片检索。
说明：	共包括四个文件：Meta_Data, Original_Pic, Pages, Zoomed_Pic。其中Meta_Data存储图片的相关元数据：Original_Pic中存储图片的原图；Pages中存储图片所在的页面；Zoomed_Pic中存储所有图片的缩略图，缩略图大小为130130左右。 Meta_Data文件包含所有图片的相关元数据，格式如下： <PIC> <PIC_URL>图片在互联网中的URL地址</PIC_URL> <PAGE_URL>图片所在网页的URL地址</PAGE_URL> <ALT_TEXT>图片的替换文字</ALT_TEXT> <ANCHOR_TEXT>以图片为目标的超链接的显示文本</ANCHOR_TEXT> <SUR_TEXT>页面中提取的图片周围的文本</SUR_TEXT> <PAGE_TITLE>图片所在页面的标题</PAGE_TITLE> <WIDTH>图片的宽度</WIDTH> <HEIGHT>图片的高度</HEIGHT> </PIC> 图片原图的存储于二进制文件中，其格式如下： PIC_URL\r\n MARK\r\n /MARK 包括"p"、"d"、"="三种情况，"d"与"="表明图片已不存在，直接后续下一张图片。"p"表明图片存在，后续此图片的大小及原图。/ SIZE\r\n /此图片的大小，为以文本形式存储的整数/ PIC_CONTENT\r\n /其中PIC_CONTENT的大小为SIZE中所记录的值*/ 数据下载声明见“SogouLab 数据使用许可证”
下载：	mini版（gz格式） 954K mini版（zip格式） 954K 精简版（gz格式） 44M 精简版（zip格式） 44M 完整版（由于文件较大，需要提供硬盘或空白DVD进行拷贝）
反馈：	在搜狗实验室吧与搜狗核心研发团队分享您的研究成果。在实验室博客搜狗核心研发团队的官方博客，一起记录实验室成长的点点滴滴。在线上反馈留下您的宝贵意见和建议。在资源下载FAQ中查找您遇到的资源下载问题的答案

名称：

互联网图片库

关键词：

图片、相关文字

摘要：

互联网图片库包括：互联网上的部分图片数据及其对应的自动标注信息。目的是为从事互联网图片检索的研究人员和爱好者们，提供服务。

介绍：

互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别，总数高达160，879张图片。对于每张图片，数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。
语料库统计的意义：提供一个较大规模的图片集和相关的网页集。
应用案例：基于文本、内容的图片检索。

说明：

共包括四个文件：Meta_Data, Original_Pic, Pages, Zoomed_Pic。其中Meta_Data存储图片的相关元数据：Original_Pic中存储图片的原图；Pages中存储图片所在的页面；Zoomed_Pic中存储所有图片的缩略图，缩略图大小为130*130左右。

Meta_Data文件包含所有图片的相关元数据，格式如下：
<PIC>
<PIC_URL>图片在互联网中的URL地址</PIC_URL>
<PAGE_URL>图片所在网页的URL地址</PAGE_URL>
<ALT_TEXT>图片的替换文字</ALT_TEXT>
<ANCHOR_TEXT>以图片为目标的超链接的显示文本</ANCHOR_TEXT>
<SUR_TEXT>页面中提取的图片周围的文本</SUR_TEXT>
<PAGE_TITLE>图片所在页面的标题</PAGE_TITLE>
<WIDTH>图片的宽度</WIDTH>
<HEIGHT>图片的高度</HEIGHT>
</PIC>

图片原图的存储于二进制文件中，其格式如下：
PIC_URL\r\n
MARK\r\n /*MARK 包括"p"、"d"、"="三种情况，"d"与"="表明图片已不存在，直接后续下一张图片。"p"表明图片存在，后续此图片的大小及原图。*/
SIZE\r\n /*此图片的大小，为以文本形式存储的整数*/
PIC_CONTENT\r\n /*其中PIC_CONTENT的大小为SIZE中所记录的值*/

数据下载声明见“SogouLab 数据使用许可证”

下载：

mini版（gz格式）    954K
mini版（zip格式）    954K
精简版（gz格式）    44M
精简版（zip格式）    44M
完整版（由于文件较大，需要提供硬盘或空白DVD进行拷贝）

反馈：

在搜狗实验室吧与搜狗核心研发团队分享您的研究成果。
在实验室博客搜狗核心研发团队的官方博客，一起记录实验室成长的点点滴滴。
在线上反馈留下您的宝贵意见和建议。
在资源下载FAQ中查找您遇到的资源下载问题的答案

搜狗更懂网络