Image CLEF Terror

En busca de imágenes, para usar como entranamiento y como test, he acudido al Image CLEF (The CLEF Cross Language Image Retrieval Track). He entrado en la sección de este año, 2010, mas en concreto en photo annotation. Me he descargado un set que tienen de 25000 fotos!!. Como lo lees 2.85GB. También me he bajado otro zip que tienen con las anotaciones. Las imágenes vienen con unos ficheros de metadata e información sobre la realización de la foto, los cuales he eliminado ya que no nos interesan para nuestro propósito.

Al final te quedan 25k ficheros de imágenes nombrados como im<id>.jpg. Y un fichero por cada etiqueta. Dichos ficheros de texto contienen una columna con la id de las fotos que han sido anotadas con esa etiqueta. Pero una imagen puede estar anotada en varios ficheros, lo cual significa que puede estar clasificada con dos etiquetas. No se como responder a eso. El caso, es que me estoy volviendo loco pensando como manejar estos datos. No termino de ver la forma de generar el fichero de entrada en el formato que quiero. No veo cómo anotar los resultados que me pase  Alvaro, con sus respectivas etiquetas. No se, se me va de las manos.