【保姆级打包】舌苔数据集使用完整指南:2461 张真实舌象图,6 类 LabelMe 标注

原创2026-10-28 11:46:431,747 阅读
文章标签:数据集计算机视觉医疗健康

【保姆级打包】舌苔数据集使用完整指南:2461 张真实舌象图,6 类 LabelMe 标注

这份仓库装的就是一份开箱即用的舌苔数据集——2461 张真实拍摄的舌象照片,按 6 个舌象类别分目录存放,每张图配一个 LabelMe 标注文件,用于中医图像识别、分类与分割模型的训练和评测。适合三类人:准备做医学图像分类的算法工程师、需要中医舌象语料的研究生、以及想给现有视觉模型加一个领域验证集的人。

📋 三十秒速览:你手里拿到的是什么

  • 一个数据包:Tongue coating classification 增强.zip,解压后就是 6 个以舌象类型命名的文件夹
  • 一份说明:README.md 交代了数据集的用途、规格与反馈渠道
  • 一个许可:LICENSE 文件为 MIT License

仓库里没有训练脚本和代码,它是纯数据资源——这降低了上手门槛(不用装框架),也意味着训练流程要你自己搭。

🧩 拆解四个可落地的能力点

1. 六类舌象的分类标签体系

解压后每个目录就是一个类别,文件夹名即标签:

目录名 对应舌象 jpg 数
red tongue yellow fur thick greasy fur 红舌黄苔、厚腻苔 770
The red tongue is thick and greasy 红舌厚腻苔 550
black tongue coating 黑苔 420
purple tongue coating 紫舌 350
The white tongue is thick and greasy 白舌厚腻苔 291
map tongue coating 地图舌 80

2. 与图片一一对应的 LabelMe 标注

每张 .jpg 旁边都有一个同名 .json(全库 2461 张 jpg、2460 个 json——The red tongue is thick and greasy 目录缺 1 个标注,复现前建议先跑一遍完整性检查)。json 采用 LabelMe 3.16.7 格式,shapes 字段里是 polygon 多边形,label 与目录名一致。也就是说它既能当分类数据集用(按目录取标签),也能当实例分割数据集用(多边形即区域掩码的顶点)。

3. 统一尺寸的输入

README 声明所有图像已预处理为 512×512 像素。尺寸统一意味着 DataLoader 里不必再动态 resize,batch 大小和显存占用都可以精确规划,对分割任务还省去了 mask 与图像对齐的麻烦。

4. 覆盖多个苔色维度的样本分布

从苔色(黑苔、黄苔、白苔)、舌色(红舌、紫舌)到形态(地图舌、厚腻)六个维度都有样本,最大类 770 张、最小类 80 张。分布不均这点要提前心里有数(进阶部分会说怎么处理)。

🚀 三步把数据跑起来

第一步:克隆仓库

git clone https://gitcode.com/open-source-toolkit/7542e tongue-coating
cd tongue-coating

第二步:解压数据包

unzip "Tongue coating classification 增强.zip" -d tongue_dataset

解压后检查目录数量是否符合上表(6 个文件夹)。Windows 用户直接右键解压即可。

第三步:验证数据完整性

python3 - <<'EOF'
import zipfile
z = zipfile.ZipFile("Tongue coating classification 增强.zip")
jpg = [n for n in z.namelist() if n.endswith(".jpg")]
jsn = [n for n in z.namelist() if n.endswith(".json")]
print(len(jpg), len(jsn))   # 预期 2461 2460
EOF

如果你解压后本地统计得到同样的数字,说明数据完整。之后按目录随机抽几张图打开 json,确认 imageWidth/imageHeight 为 512,即可开始训练。

复现建议的最小验证流程:先只做二分类(比如黑苔 vs 紫舌,各取 200 张),用任何标准分类模型跑通"读图 → 取目录名做标签 → 输出准确率"这条链路,再扩展到六分类。

🔭 有训练基础之后的扩展方向

  • 六分类基线:直接把解压目录喂给 torch.utils.data.ImageFolder,目录名自动成为类别。注意类别不平衡(770 : 80),建议用加权采样、类别损失权重或对大类做随机裁剪/翻转等数据增强,否则模型会偏向 red tongue yellow fur thick greasy fur
  • 分割任务:LabelMe 的 polygon 可以用 cv2.fillPoly 转成像素级掩码,再拼 COCO 格式(pycocotools)做实例分割基线;black tongue coating_1.json 这类文件里一个舌面通常只有一个多边形,转换成本很低
  • 标注质检:写脚本遍历所有 json,检查 shapes 为空、多边形顶点越界(>512)或与图片不同名的情况,那 1 个缺失的 json 会在这一步暴露出来
  • 划分策略:同一拍摄者的多张照片可能高度相似,按"拍摄来源"而非随机索引划分训练/验证集,评测结果更接近真实场景
  • 特征对齐:舌象识别常结合苔色量化(HSV 转色相统计),可先在本数据集上验证颜色直方图等传统特征的区分度,再决定是否上深度学习

⚖️ 许可与反馈渠道速读

  • 许可协议:仓库随附的 LICENSE 为 MIT License,允许使用、复制、修改和分发,保留版权声明即可;README.md 中也提到了知识共享许可的说明,两者若有出入,以 LICENSE 文件为准,商用前建议再核对一遍
  • 反馈渠道:数据错误、标注问题按 README 指引通过仓库 Issues 提交,描述到"目录 + 文件名"即可快速定位
  • 贡献方式:补充舌象照片、修正标注、改进文档都走 Issue 或 PR
  • 一条边界:本数据集面向研究、教学与算法开发,模型输出不能直接替代医师诊断

数据规格清晰、标注齐整,这份舌象语料剩下的事就是把你的训练管线接上去。

登录后查看全文
舌苔数据集-中医图像识别资源