- Referring Expression Comprehension（REC），即指称表达理解，任务是根据文本描述框出文本中提到的一个特定目标
- 相关数据集：
是三个从 MSCOCO 中选取图像得到的数据集，数据集中对所有的 phrase 都有 bbox 的标注
RefCOCO 有19,994幅图像，包含142,210个引用表达式，包含50,000个对象实例。
RefCOCO+ 共有19,992幅图像，包含 49,856 个对象实例的 141,564 个引用表达式。
Ref COCOg 有25,799幅图像，指称表达式 95,010 个，对象实例 49,822个。
注意，一个表达式只对应一个目标，也就是说一次只会检测出一个目标（也就是一个实例，一个框，会精确到实例），这个和常规的目标检测任务（会检测出所有类别的目标，只精确到类别）是不一样的
REC任务论文：
数据集的标注下载链接：
REC数据集标注
