图像 昂贵的 互联网 负责任的 监督 几何形状 数据集 通用的 视觉模型 数据 级任务 视觉学 训练 层次结构 下一个 使用 训练的 自然语言 目标的 方法 训练目标 对象 视觉 计算机 学习的 高性能 实用性 巨大的 进行 负责任 检测器 语言 标记的 概念的 实际应用 现有的 文本 质量 图像描述