企业官网建设流程全解析

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?pwd=h2v6
提取码: h2v6

二、数据集基本信息

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

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。