V-COCO 全称 Verbs in COCO，是一个建立在 MS COCO 数据集基础上的数据集，用于人与物体的交互检测。 该数据集提供了 10,346 张图片（其中 2,533 张用于训练，2,867 张用于验证，4,946 张用于测试）和 16,199 个人物实例。每个人物都有来自 29 个动作类别的标注。该数据集没有包括物体在内的互动标签。

Citation

@article{gupta2015visual, title={Visual Semantic Role Labeling}, author={Gupta, Saurabh and Malik, Jitendra}, journal={arXiv preprint arXiv:1505.04474}, year={2015} } @incollection{lin2014microsoft, title={Microsoft COCO: Common objects in context}, author={Lin, Tsung-Yi and Maire, Michael and Belongie, Serge and Hays, James and Perona, Pietro and Ramanan, Deva and Doll{\’a}r, Piotr and Zitnick, C Lawrence}, booktitle={Computer Vision–ECCV 2014}, pages={740–755}, year={2014}, publisher={Springer} }