数据集概述
该数据集包含从美国国会图书馆Chronicling America馆藏报纸中提取的图像，这些图像被预测为照片，并标注有“人类”“动物”“人类结构”“景观”四类标签，为历史报纸视觉内容的计算机视觉研究提供基础数据。
文件详解
- 图像文件：
- images.zip：ZIP格式压缩包，包含数据集中的所有图像文件
- 元数据文件：
- newspaper-navigator-sample-metadata.csv：CSV格式，包含图像的元数据字段，如文件路径、出版日期、页序号、地理覆盖范围、OCR文本等
- 标签文件：
- multi_label.csv：CSV格式，记录图像的多标签分类信息
- annotations.csv：CSV格式，包含图像标签及额外元数据，字段包括批次、边界框、版次序号、文件路径、地理覆盖范围等
- 结果文件：
- results.csv：CSV格式，包含图像相关的处理结果数据
- 任务文件：
- photo_tasks.json：JSON格式，可能记录照片相关的任务信息
数据来源
Newspaper Navigator（news-navigator.labs.loc.gov/）
适用场景
- 历史图像分析：研究19世纪美国报纸中的照片内容及主题分布
- 计算机视觉教学：作为数字化 heritage 材料计算机视觉教学的示例数据集
- 历史社会学研究：通过报纸照片标签分析特定历史时期的社会生活场景
- 数字人文研究：探索历史视觉资料的自动分类与标注方法
