【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
【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。