皮肤病变检测数据集 | 皮肤病变 痤疮检测 皮肤健康 目标检测 YOLO格式 9278期数据集概述本数据集专注于皮肤表面常见病变与痘印的视觉检测与分类服务于皮肤科辅助诊断、医疗美容及智能健康管理。数据涵盖 16 类不同的皮肤瑕疵适配目标检测模型训练、病灶定位及自动化皮肤分析等应用。数据集核心信息数据要素详细说明类别共16类痤疮、痘印、黑头、粉刺、晶状粉刺、囊性粉刺、扁平疣、毛囊炎、瘢痕疙瘩、粟丘疹、丘疹、脓包、脓性粉刺、脂溢性角化、皮脂腺囊肿、白头粉刺数量1747张图像格式图像为 JPG/PNG近距离皮肤特写标签为 YOLO 格式的 txt 文件水平边界框数据版本8个版本应用价值1.辅助诊断支撑皮肤科医生对常见皮肤病如痤疮分类、毛囊炎的快速识别与计数。2.美容护肤为智能美容设备或护肤 APP 提供皮肤状态量化评估如痘印、黑头数量。3.健康管理监测皮肤病变的进展与治疗效果辅助患者进行自我管理。4.算法研发为医学影像小目标检测、细粒度分类等视觉任务提供真实场景的训练与评测数据。完整类别列表共16类序号中文类别名称序号中文类别名称1痤疮9瘢痕疙瘩2痘印10粟丘疹3黑头11丘疹4粉刺12脓包5晶状粉刺13脓性粉刺6囊性粉刺14脂溢性角化7扁平疣15皮脂腺囊肿8毛囊炎16白头粉刺数据三要素解析类别与目标覆盖数据集定义16类皮肤病变涵盖了极常见的痤疮系列黑头、白头、脓包、囊肿以及一些需要鉴别的皮肤问题如扁平疣、毛囊炎、脂溢性角化。类别设置非常细粒度对模型区分相似病灶如闭口与开口粉刺、丘疹与脓包的能力要求极高。目标在图像中呈现为不同颜色红、白、黑和形态凸起、凹陷的微小斑块分布可能密集。数据规模与版本图像总量约1747张规模适中能支撑检测模型的训练。数据集有8个版本说明经过了多轮迭代和数据扩充。图像多为皮肤局部特写受肤色、光照、毛发遮挡等因素影响显著。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。图像与标签一一对应数据结构规范便于进行训练/验证集划分与预处理集成。知识普及皮肤病变检测的技术要点极微目标与密集场景黑头、粉刺等病变尺寸极小且在面部或背部区域可能极其密集。需采用高分辨率输入、多尺度特征融合或专门的小目标检测头。类间相似性极高例如“丘疹”与“脓包”的区别仅在于顶部是否有白色脓头“白头粉刺”与“粟丘疹”外观也极为相似。模型需依赖极其细微的颜色与纹理差异进行判断。肤色与光照干扰不同人种肤色差异巨大且日常光照如侧光、阴影会影响病灶的呈现。建议训练时采用丰富的色彩增强Color Jitter和不同光源模拟。毛发与反光皮肤表面的毛发、油脂反光可能遮挡病灶或造成误检预处理时需考虑去噪或反光抑制。应用闭环检测结果可量化各类病灶的数量与严重程度生成皮肤健康评分结合时序图像对比可追踪痤疮等疾病的治疗恢复情况。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:16names:[痤疮,痘印,黑头,粉刺,晶状粉刺,囊性粉刺,扁平疣,毛囊炎,瘢痕疙瘩,粟丘疹,丘疹,脓包,脓性粉刺,脂溢性角化,皮脂腺囊肿,白头粉刺]启动 YOLOv8 训练针对微小病灶建议采用高分辨率fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz1024,# 针对微小病变建议提高分辨率batch8,device0)标签皮肤病变痤疮检测皮肤健康目标检测YOLO格式深度学习数据集计算机视觉