痘痘检测数据集 | 4621张YOLO皮肤健康数据集适用于皮肤管理App、医美咨询与目标检测研究一、数据集概述本数据集是一个面向皮肤健康管理的面部痤疮痘痘检测数据集共包含4621张高质量标注图像训练集4311张、验证集308张、测试集2张涵盖10类皮肤问题。皮肤问题的准确分型是制定治疗方案的前提不同形态的痤疮对应不同的护理与用药策略。该数据集可集成到皮肤管理App、医美咨询系统、远程皮肤科问诊平台中为用户提供皮肤问题的自动识别、严重程度评估与护理建议也可辅助皮肤科医生进行病灶标记与疗效跟踪适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着皮肤健康管理和智能美妆产业的快速发展利用计算机视觉技术实现面部痤疮的自动检测与分型已成为提升皮肤护理科学化水平、辅助医美咨询的重要手段。本数据集针对痤疮检测场景中目标尺度差异大、边界模糊、与正常肤色对比度低、密集分布等问题进行专项构建可为皮肤检测系统与医美咨询平台提供高质量数据支撑。数据集下载通过网盘分享的文件面部皮肤病变检测数据集链接: https://pan.baidu.com/s/1n4OhMeNB6KTE6XL8Pz0SnQ?pwdh2v6提取码: h2v6二、数据集基本信息项目内容数据集名称痘痘检测数据集数据规模4621张高质量标注图像train 4311 valid 308 test 2任务类型目标检测Object Detection检测目标10类面部痤疮及皮肤问题类别数量nc10类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实面部皮肤图像采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等说明测试集仅2张图像实际评估时应重新划分验证集。原标注中混有分割多边形格式已统一转换为检测框格式。三、数据集类别说明本数据集为多类别目标检测数据集共设置10个检测类别覆盖从轻到重的多种痤疮临床形态类别划分贴合皮肤问题分型与护理策略制定实际需求。类别配置nc:10names:-pimples-blackhead-conglobata-crystanlline-cystic-folliculitis-keloid-milium-papular-purulent类别详情类别ID中文名称英文名称类别说明0普通痘痘pimples常见普通型痤疮1黑头blackhead开放性粉刺毛孔堵塞氧化形成2聚合性痤疮conglobata严重型痤疮多发聚合性病变3结晶性病变crystanlline结晶样皮肤病变4囊肿型痤疮cystic深部囊肿型痤疮5毛囊炎folliculitis毛囊炎症性病变6瘢痕疙瘩keloid增生性瘢痕组织7粟丘疹milium粟粒大小白色小丘疹8丘疹papular丘疹型痤疮9化脓性病变purulent化脓性炎性病变10类设计覆盖从轻度黑头、粟丘疹到中度丘疹、普通痘痘再到重度囊肿型、聚合性痤疮、瘢痕疙瘩的完整痤疮临床谱系同时包含毛囊炎、结晶性病变等相关皮肤问题支持精细化的皮肤问题分型与严重程度评估。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行划分结构清晰便于直接接入主流检测框架。痘痘检测数据集-10类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签4311张用于模型参数学习与特征提取valid/images labels验证集图像与标签308张用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签2张样本量极少实际评估时应重新划分验证集。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值原标注中混有的分割多边形格式已统一转换为检测框格式配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 完整的痤疮临床分型覆盖10类设计覆盖从轻到重的完整痤疮谱系轻度问题黑头blackhead、粟丘疹milium中度问题普通痘痘pimples、丘疹papular、毛囊炎folliculitis重度问题囊肿型痤疮cystic、聚合性痤疮conglobata、瘢痕疙瘩keloid、化脓性病变purulent其他病变结晶性病变crystanlline覆盖多种痤疮临床形态可支撑精细化的皮肤问题分型与严重程度评估。2. 专注皮肤健康管理应用本数据集以面部痤疮检测与分型为核心任务所有图像聚焦于真实面部皮肤图像采集。类别设计贴合皮肤问题分型与护理策略制定实际需求更利于训练出面向皮肤健康管理的实用检测模型。应用方向包括皮肤管理App的自动检测与分型医美咨询系统的皮肤评估远程皮肤科问诊平台皮肤科医生的病灶标记与疗效跟踪3. 密集小目标检测挑战痤疮检测具有较高的技术难度目标尺度差异大从细小粟丘疹到大面积囊肿边界模糊皮肤病灶边界不清晰对比度低病灶与正常肤色对比度低密集分布面部常同时存在多个病灶适合研究密集小目标检测算法具有良好的算法检验价值。4. 标注格式规范化原标注中混有分割多边形格式已统一转换为检测框格式格式统一所有标注统一为YOLO检测框格式坐标规范转换为标准归一化坐标直接可用无需额外格式转换即可训练质量可靠确保标注与图像准确对应5. 贴近真实皮肤影像环境数据覆盖多种真实皮肤影像条件不同肤质不同肤色、肤质类型不同光照不同拍摄光线条件不同病灶程度从轻微到严重的病灶表现不同面部区域不同部位的面部皮肤有效保障模型在实际皮肤检测应用中的泛化能力。6. 即用型数据组织标准目录结构YOLO格式标注可直接用于模型训练降低使用门槛。六、适用场景皮肤管理App集成于皮肤管理App用户拍照即可自动识别痘痘类型与严重程度获取个性化护理建议。医美咨询系统在医美咨询中自动检测皮肤问题并分型辅助咨询师提供科学的护理与治疗方案建议。远程皮肤科问诊平台为远程问诊提供皮肤问题的自动检测与标记辅助医生快速评估患者皮肤状况。皮肤科病灶标记与疗效跟踪辅助皮肤科医生进行病灶标记跟踪治疗过程中的病灶变化与疗效评估。护肤品效果量化评估通过治疗前后的病灶检测对比量化评估护肤品或治疗方案的效果。教学科研用于密集小目标检测算法研究、皮肤影像分析研究等科研场景。说明本数据集仅供算法研究与教学使用不可直接用于临床诊断。七、适用研究方向本数据集可广泛应用于以下研究领域皮肤病变检测与分型研究10类密集小目标检测研究低对比度目标检测研究医学影像目标检测研究智能美妆与皮肤健康管理研究YOLO系列模型优化研究轻量化检测模型与移动端部署研究域适应与跨场景泛化研究八、总结痘痘检测数据集包含4621张高质量标注图像采用标准YOLO格式构建专注于面部痤疮及皮肤问题的检测与分型任务。数据集覆盖普通痘痘、黑头、聚合性痤疮、结晶性病变、囊肿型痤疮、毛囊炎、瘢痕疙瘩、粟丘疹、丘疹、化脓性病变10类核心类别具有临床分型完整、密集小目标检测挑战、标注格式规范等特点可广泛应用于皮肤管理App、医美咨询、远程问诊、疗效跟踪等领域是开展皮肤影像检测算法研发与智能皮肤健康管理系统建设的优质数据资源。注意测试集仅2张图像实际评估时应重新划分验证集。