Preface 目前我正在处理几个 Video Caption 的数据集，一个是 YoutubeClips 数据集。其标注是微软发布的一个 Microsoft Research Video Description Corpus ，安装完成后，会得到一个 CSV 文件，这个文件如下： 第一列是视频名称，第二列 Start 是标注的开始帧数，第三列 End 是标注的结束帧数，第七