舌头舌像检测800张数据集：VOC+YOLO双格式目标检测实战指南

简介一套面向目标检测任务的中医舌头舌像数据集整理为Pascal VOC与YOLO两种标注格式共800张图片规模、5个类别覆盖bobai、fenhong、houbai、houhuang、huihei五类舌象适合需要训练舌诊检测模型或对照学习两种标注格式的开发者与研究者。压缩包内文件合计2000个主要包含xml标注文件、txt标注文件以及jpg图片样本整体约29.84MB配合labelImg即可查看标注并转入常见检测框架训练。标注均采用矩形框总框数800个各类别框数分别为bobai 169、fenhong 147、houbai 152、houhuang 174、huihei 158便于按类别评估和均衡样本。目前已有1244人学习下载能省去从零采集与标注的时间拿到后即可用于模型训练、验证及数据增强实验。1. 舌头舌像检测为什么非要用VOCYOLO双格式的800张小数据集舌诊在中医里是最高频的望诊入口但医生肉眼观察存在主观性强、疲劳后误判率上升的问题。把舌头照片交给目标检测模型自动定位舌体区域并区分舌色、苔色、齿痕、裂纹、胖瘦等类别是目前中医数字化里落地最快的一环。但真正动手做这个方向的人都会撞到同一堵墙公共数据集极少医院内部数据几乎不可能外流能找到的所谓“舌头数据集”多半是几百张零散的、标注格式混乱的JPG文件夹。所以我看到“舌头舌像检测数据集VOCYOLO格式800张5类别.7z”这个标题的第一反应是——这才是从业者真正会做的形式一个文件同时给XML和TXT两种标注省掉自己写转换脚本的功夫。这个数据集本身不大800张、5个类别对现代目标检测模型来说属于“小样本微型数据集”。它解决的不是“从零到一”的算法创新问题而是“从一到十”的工程落地问题——让一个刚开始做舌诊视觉系统的工程师用半天时间就能把数据准备好、格式对齐、跑通YOLOv8或者Faster R-CNN的基线训练。它适合三类人一是要快速出demo给学校或医院演示的研究生二是做中医数字化产品需要验证可行性的初创团队三是想用公开数据练手、熟悉VOC和YOLO标注体系差别的算法新人。800张数据单独看是很单薄的但配合数据增强和迁移学习足够训练出一个在受限场景下能用的舌体检测器。关键在于你要知道这800张图的标注质量如何、类别分布是否平衡、以及训练时哪些参数必须调小。这篇文章就围绕这套数据集的完整使用路径来展开先教你审查数据质量再讲VOC和YOLO格式的差异与转换然后是训练脚本和参数选择最后把最容易翻车的地方一次说清。2. 先看懂这800张图类别定义、数据组织与质量审查方法拿到任何一个数据集第一步绝对不要直接开训。一个标注错误满天飞的数据集模型精度上限就是死的你后面做再多调参都是白费力气。这套舌头数据集是VOC和YOLO双格式意味着解压后会看到两套标注文件和一个存放图像的根目录。先花一晚上把数据吃透比多跑十个epoch划算得多。2.1 5类舌象怎么定义先对齐标签语义再写代码标题写的是“5类别”但没有写出具体是哪五类。常见的中医舌象检测数据集一般会选用淡红舌、红舌、紫舌、淡白舌、齿痕舌或者是舌色类别加上苔色类别混合。我拿到这类压缩包的第一件事就是查看VOC标注XML里的name标签把所有出现过的类别名列出来而不是想当然地假设类名是中文字符还是英文。import os import xml.etree.ElementTree as ET voc_dir Annotations class_set set() for xml_file in os.listdir(voc_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(voc_dir, xml_file)) for obj in tree.findall(object): class_set.add(obj.find(name).text) print(全部类别, sorted(class_set)) print(类别数量, len(class_set))这段代码做的事很简单遍历所有VOC格式的XML标注文件提取每个目标的name字段去重后打印。逻辑上要注意的是find和findall是ElementTree的标准用法不会漏子节点如果XML里还嵌套了difficult或pose等字段你需要另行解析但类别名只从object/name取就对了。参数上不需要调整只是审查手段。类别数量如果恰好是5说明标注没有混入未定义的类名。如果类名是英文字符如red_tongue、pale_tongue后面对接YOLO训练时不需要改如果是中文类名就要考虑是否映射成英文或数字索引因为YOLO的data.yaml里虽然支持中文名称但某些版本的Ultralytics在终端输出时会产生编码问题。2.2 VOC标注的BBox解析看看框打得准不准VOC格式用XML存每个目标的类别和边界框每个目标对应一个bndbox节点内含xmin、ymin、xmax、ymax四个值。审查标注质量主要有三个维度框是否完全包住舌头、框是否比舌体大太多、以及是否存在整张图都是背景但依然标注了一个框的情况。舌头这种非刚性目标边缘有唇部、牙齿干扰框打不准是常态。import matplotlib.pyplot as plt import matplotlib.patches as patches from PIL import Image def show_voc_bbox(image_path, xml_path): tree ET.parse(xml_path) img Image.open(image_path) fig, ax plt.subplots(1) ax.imshow(img) for obj in tree.findall(object): name obj.find(name).text bndbox obj.find(bndbox) xmin int(bndbox.find(xmin).text) ymin int(bndbox.find(ymin).text) xmax int(bndbox.find(xmax).text) ymax int(bndbox.find(ymax).text) rect patches.Rectangle((xmin, ymin), xmax - xmin, ymax - ymin, linewidth2, edgecolorred, facecolornone) ax.add_patch(rect) ax.text(xmin, ymin - 5, name, fontsize12, colorred) plt.axis(off) plt.show() # 用法show_voc_bbox(JPEGImages/001.jpg, Annotations/001.xml)逐张人工看800张图不现实但抽检30到50张是必须的。重点检查舌头占整图的比例——很多医学影像数据集的舌头只是画面中间一小块如果BBox过大把嘴唇和下巴都圈进去模型会把下嘴唇误判成舌头的一部分。2.3 与YOLO格式互相转换从XML到TXT的边界校验VOC的坐标是绝对像素值YOLO的坐标是相对于图像宽高的归一化中心点和宽高。从XML转YOLO标注核心公式就一个变换但最容易踩的坑是宽高算错或者坐标越界。import os import xml.etree.ElementTree as ET def convert_voc_to_yolo(xml_path, out_dir, classes): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) out_lines [] for obj in root.findall(object): class_name obj.find(name).text if class_name not in classes: continue class_id classes.index(class_name) bndbox obj.find(bndbox) xmin int(bndbox.find(xmin).text) ymin int(bndbox.find(ymin).text) xmax int(bndbox.find(xmax).text) ymax int(bndbox.find(ymax).text) x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h x_center min(max(x_center, 0.0), 1.0) y_center min(max(y_center, 0.0), 1.0) out_lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}) out_name os.path.basename(xml_path).replace(.xml, .txt) with open(os.path.join(out_dir, out_name), w) as f: f.write(\n.join(out_lines)) # 用法先定义你的类别列表再对所有XML执行转换 class_list [red_tongue, pale_tongue, tooth_marked, greasy_coating, yellow_coating] for xml in os.listdir(Annotations): convert_voc_to_yolo(os.path.join(Annotations, xml), labels, class_list)这里我对坐标做了min(max())裁剪把越界像素强制钳制到0到1之间。这个做法在公开数据集里很常见因为有些标注工具会标出略微超出图像边界的框。但要警惕的是如果某个框的宽度或高度裁剪后变成0那一行标注就废了训练时会报无效标签错误。所以转完后必须校验是否有宽高为零的行。3. 跑通YOLO训练最小命令、目录结构与数据增强三板斧800张图直接丢给YOLO训练结果大概率是过拟合或者验证集精度波动剧烈。但你完全可以用迁移学习加合理的增强策略把它做成一个能用的检测器。这一章按“先通后优”的思路从最小可运行命令讲到效果提升的关键参数每一步都给你可以抄的配置。3.1 目录结构YOLO训练前必须完成的文件组织YOLO这里以Ultralytics YOLOv8为例要求数据集目录有清晰的images和labels两个子目录并且验证集、训练集必须分开。很多人翻车的点在于把全部数据放在一个文件夹里训练时val指定的路径里正好包含训练图片之外的意外文件导致类别索引对不上。# 在数据集根目录下执行 mkidr images/train images/val images/test mkdir labels/train labels/val labels/test mkdir -p /root/datasets/tongue/ # 手动按7:2:1比例划分或者用下面的Python脚本自动划分我的习惯是用脚本按固定随机种子划分数据集确保每次实验的可复现性。纯粹手动拖文件分文件夹遇到800张数据时还能忍但后续迭代试验时每次都要核对划分比例非常容易出错。更重要的是训练集和验证集要保证类别均衡分布——随机划分可能让验证集里某类样本只有个位数。import os import random import shutil random.seed(42) image_dir images_all label_dir labels_all train_ratio, val_ratio 0.7, 0.2 images [f for f in os.listdir(image_dir) if f.endswith((.jpg, .jpeg, .png))] random.shuffle(images) train_count int(len(images) * train_ratio) val_count int(len(images) * val_ratio) for idx, img in enumerate(images): base os.path.splitext(img)[0] label_file os.path.join(label_dir, base .txt) if not os.path.exists(label_file): print(f警告{img} 缺少对应标注文件) continue if idx train_count: split train elif idx train_count val_count: split val else: split test shutil.copy(os.path.join(image_dir, img), fimages/{split}/{img}) shutil.copy(label_file, flabels/{split}/{base}.txt)这个划分脚本有两点值得注意。第一random.seed(42)固定随机种子这是保证可复现实验的核心参数。第二脚本里检查了图片是否有对应的txt标签文件缺失时打印警告而不强行复制避免后面训练时YOLO因no labels found的提示而直接崩溃。分割后最好输出一个各类别样本数统计验证划分是否均匀。3.2 最小训练命令迁移学习让800张图真正可用YOLOv8的最小训练命令非常短但背后有几个你必须理解的参数。最核心的是pretrained——默认加载COCO预训练权重也就是模型已经知道“什么是物体”你只需要让它知道“什么是舌头和苔色”。800张数据从头训练几乎不可能收敛迁移学习是唯一的可行路径。cd /root/datasets/tongue/ yolo detect train \ modelyolov8s.pt \ datatongue.yaml \ imgsz640 \ epochs100 \ batch16 \ device0 \ projectrun_tongue \ nameexp1modelyolov8s.pt这个参数有两个作用一是指定网络结构为YOLOv8ssmall版本参数量最小、最适合小数据集二是自动加载COCO预训练权重。这里不用yolov8n.pt是因为nano的容量过小对舌象这种细粒度类别苔质厚薄、舌色深浅的表征能力不够。imgsz640是检测任务的常规输入不要为了追求速度盲目降到320舌体上的齿痕和裂纹会因为下采样过重而直接变成噪声。tongue.yaml的内容也很关键它的结构是固定的但路径和类名必须和你的目录严格对齐# tongue.yaml path: /root/datasets/tongue train: images/train val: images/val test: images/test # 这里的类名顺序必须与labels里的txt标注的第一列索引一致 names: 0: red_tongue 1: pale_tongue 2: tooth_marked 3: greasy_coating 4: yellow_coating数据增强策略上800张小数据集最该关注的是马赛克增强和随机透视。YOLOv8默认开mosaic1.0但我告诉你训练后期必须关掉它或降为0.5。马赛克增强是把四张训练图拼成一张模型在小数据集上很容易因为拼图的语义混乱而震荡。训练到第60个epoch时我一般会改成mosaic0.5再用剩余epoch微调。yolo detect train \ modelruns/detect/exp1/weights/last.pt \ datatongue.yaml \ imgsz640 \ epochs50 \ batch16 \ mosaic0.5 \ close_mosaic10 \ projectrun_tongue \ nameexp2这个命令是第二阶段微调加载上一轮训练的last.pt把马赛克概率降下来再训50轮。close_mosaic10表示最后10个epoch完全关闭马赛克增强让模型在接近真实分布的输入上收敛。这两个参数组合是我在小数据集上屡试不爽的“后悔药”——如果第一步效果不理想微调阶段就靠它们把精度救回来。3.3 训练过程监控看哪几个指标才知道模型是真的在学YOLO训练过程中每轮会输出loss、precision、recall和mAP50等指标。新手最容易犯的错是盯着mAP50不放其实在小训练集上更该关注的是验证集loss的曲线形态。loss不降、或者出现剧烈抖动说明学习率太高或者数据分布崩了。# 训练完成后直接看summary yolo detect val \ modelrun_tongue/exp2/weights/best.pt \ datatongue.yaml验证命令里我用的是best.pt也就是验证集mAP最高的那组权重而不是last.pt。因为训练后期可能出现验证指标反弹的情况last.pt往往不如best.pt稳定。验证输出会给出每类的AP值你可以据此判断哪一类是短板——小数据集上齿痕类别通常表现最差因为齿痕的边缘特征强依赖图像分辨率和标注精度任何一方不够都直接掉点。4. VOC格式反向兼容同时服务Faster R-CNN和MMDetectionYOLO在检测领域是主流但学术界和医疗影像方向非常依赖Faster R-CNN这种两阶段检测器。双格式数据集的价值在于同一个压缩包同时能喂给YOLO和MMDetection省去格式互转的巨大工作量。这个章节讲讲VOC格式怎么配给MMDetection用以及哪些参数是你必然要调才能跑的。4.1 MMDetection的VOC数据装载配置文件和路径陷阱MMDetection使用VOC格式时需要改configs/base/datasets/voc0712.py或者直接在自定义配置里重写dataset_type。它要求标注文件的文件名必须与图片名严格对应这个和YOLO类似。但它额外多一个classes声明必须放在数据集根目录里一般叫voc_classes.txt。# mmdetection的voc自定义配置示例简化版 dataset_type VOCDataset data_root data/tongue/ classes (red_tongue, pale_tongue, tooth_marked, greasy_coating, yellow_coating) data dict( samples_per_gpu8, workers_per_gpu2, traindict( typedataset_type, ann_filedata_root VOC2007/ImageSets/Main/train.txt, img_prefixdata_root VOC2007/JPEGImages/, classesclasses), valdict( typedataset_type, ann_filedata_root VOC2007/ImageSets/Main/val.txt, img_prefixdata_root VOC2007/JPEGImages/, classesclasses))MMDetection读VOC的机制是先读ImageSets/Main下的txt文件里面每一行是一个图片基名不带后缀然后根据基名去找JPEGImages里的图像和Annotations里的XML。这里最容易出问题的是ann_file指向的路径如果你解压后的数据集根目录不是VOC2007这个名字而是tongue_dataset或者别的就要同步把配置里的data_root和路径段全部改掉。MMDetection对路径是硬编码拼接不给你任何柔性匹配。4.2 Faster R-CNN训练参数为什么学习率要比默认值降十倍Faster R-CNN在小数据集上的训练比YOLO更挑剔。800张图对Faster R-CNN来说样本量太少默认的0.02学习率几乎必然发散。我一般直接把学习率降到0.002并且把step参数改为在小步长时切学习率。# 优化器配置 optimizer dict(typeSGD, lr0.002, momentum0.9, weight_decay0.0001) lr_config dict( policystep, warmuplinear, warmup_iters500, warmup_ratio0.001, step[40, 70]) # 在第40和第70个epoch切低学习率warmup的作用是让模型在训练初期不因过大的梯度而震荡500步的线性预热在小数据集上很有必要。weight_decay0.0001保持默认即可。训练周期方面80到100个epoch是小数据集的合理范围跑120个epoch以上就要小心过拟合——验证损失的回升会非常明显。4.3 VOC格式在Faster R-CNN下的评测输出训练完成后用MMDetection的test.py脚本评测会得到一系列以AP50、AP75为关键指标的表格输出。注意MMDetection的VOC评测默认用的是mAP和AP50如果你需要类似YOLO风格的逐类AP输出要自己解析results.bbox.json文件。python tools/test.py 你的faster_rcnn配置文件 \ work_dirs/faster_rcnn_tongue/latest.pth \ --eval mAP看到输出里的AR平均召回率值偏低时优先怀疑不是模型问题而是标注质量问题——舌头边缘框偏小或偏大会直接影响召回率的上限。此时回头用第二章节的查看脚本人工确认有漏检的样本标注形状。5. 避坑指南800张小数据集最容易翻车的五个真实问题这一章是全篇含金量最高的部分。800张、5类别的数据集在真实训练中对细节极度敏感任何一个坑踩中都会让你白跑十几个小时。下面五条都是从实操中反复验证过的经验按“现象 → 原因 → 解决”的顺序直接给出答案。5.1 训练启动即崩溃报错assertion error: labels shape [0]现象是训练刚跑完第一个batch就报断言错误提示标签维度为零。原因是你的labels/train下存在空标签文件或者某张图片在划分数据时被放进了训练集但对应的txt文件没有被写入。解决方法是启动训练前先跑一遍清空检查脚本import os bad_files [] for split in [train, val]: lbl_dir flabels/{split} for txt in os.listdir(lbl_dir): path os.path.join(lbl_dir, txt) with open(path, r) as f: content f.read().strip() if not content: bad_files.append(path) print(f空标注文件数量{len(bad_files)})这个脚本扫描所有标签文件如果内容为空就打印路径。空标签的来源要么是转换脚本漏了某个类别要么是XML里没有任何object节点。找到后把对应的图片也从训练集移到test集或者直接删除图片因为单张无目标的训练图会让模型学到“什么都检测不到”的错误输出。清空后重启训练即可。5.2 损失值下降但mAP始终在0.5以下徘徊现象是loss曲线从头到尾正常下降但验证集mAP撑死在0.3到0.5之间。原因几乎都是类别严重不平衡——5个类别里齿痕舌和紫舌可能只占不到10%的标注框模型把大部分权重用来拟合高频类别低频类别成了“看不见的类别”。解决思路有两条第一是检查每个类别的框数量分布第二是针对低频类别做过采样。过采样的粗暴做法是把低频类别的图片重复放入训练集三次简单但有效。import shutil import os count_by_class {} for split in [train]: lbl_dir flabels/{split} for txt in os.listdir(lbl_dir): with open(os.path.join(lbl_dir, txt), r) as f: for line in f: class_id int(line.split()[0]) count_by_class[class_id] count_by_class.get(class_id, 0) 1 print(count_by_class) # 如果某类数量是其他类的1/10直接把该类的样本复制两份到训练集过采样后要注意验证集不要同步过采样否则mAP虚高但实际场景里根本达不到那个效果。只把过采样用在train验证集保持原始分布。5.3 推理时大量误检舌头轮廓线全被框住训练完成后推理测试模型把画面里的红色物体、嘴唇、口腔黏膜全部框了出来而且置信度不低。原因是VOC标注框的定位太“松弛”——原始标注把唇部边缘甚至下巴都包含进去了模型学到了“包含唇部和下巴的矩形区域”才是舌头。这在医学影像数据集里极其常见因为标注者为了快直接框了一个大致区域。解决的根子在数据清洗上而不是调参。用第二章的show_voc_bbox函数逐张检查框边缘凡是有明显松弛的重新贴着舌头边缘手动调整。如果800张全部重标工作量大就优先修正训练集里误检最严重的40到50张干扰最大的往往是这类错误标注。框如果太紧也不行因为舌头边缘模糊框太紧会让模型学到的特征太碎。5.4 迁移学习失效加载COCO权重后模型反而比不加载还差现象是在800张的小数据集上同样训练轮数加载了yolov8s.pt的模型mAP反而不如随机初始化。这个听起来反直觉但真实存在。原因是COCO的80个类别跟舌头这种医学目标相距甚远如果训练轮数太长模型会慢慢忘掉COCO学到的通用特征却因为数据量不够没能建立新的有效特征结果两头不讨好。就像让一个画风景画的画家改行画肖像练了一天风景画的技术也忘了肖像还没学会。解决方法是把训练分成两段。第一段先冻结backbone只训练head让检测头学会输出舌象类别的框坐标大概30个epoch第二段再解冻backbone做全量微调。# 第一阶段冻结backbone yolo detect train \ modelyolov8s.pt \ datatongue.yaml \ imgsz640 \ epochs30 \ freeze10 \ batch16freeze10表示冻结前10层即整个backbone。第一阶段跑完后生成的last.pt再去第二阶段这才是真正利用了迁移学习的优势而不是让模型在陌生数据上从零摸索。5.5 数据集压缩包解压后图片尺寸不统一现象是训练时报错image expected 640x640 but got 512x768或者推理时某些图片显示异常。原因是原始的舌头照片来自不同的采集设备手机、内窥镜、扫描仪分辨率各不相同而数据集的JPEGImages里混着多种尺寸。YOLO在数据加载时会做resize但MMDetection等框架对尺寸变化更敏感。解决方法是先统一转换为同一尺寸。舌头检测任务用640x640的正方形输入最合适但原图是长方形的直接resize会拉伸变形。正确做法是等比缩放后用灰色填充空白区域。# 使用Python脚本做等比缩放填充 python -c from PIL import Image import os target_size 640 for img_file in os.listdir(images_all): path os.path.join(images_all, img_file) img Image.open(path) w, h img.size scale target_size / max(w, h) new_w, new_h int(w*scale), int(h*scale) img img.resize((new_w, new_h), Image.Resampling.LANCZOS) canvas Image.new(RGB, (target_size, target_size), (0,0,0)) canvas.paste(img, ((target_size-new_w)//2, (target_size-new_h)//2)) canvas.save(os.path.join(images_resized, img_file)) 这个缩放操作改变了BBox坐标吗没有因为标注是绝对像素值缩放后必须重新计算一次边界框。最稳妥的办法是先用原始尺寸完成缩放再重新跑一遍VOC转YOLO的转换脚本确保坐标和图像尺寸严格匹配。6. 验证模型可靠性的三个技巧从单张图片测试到混淆矩阵分析模型训练完不代表它能直接上线。舌象检测要面对的是真实诊所、不同手机在室内外各种光线下的照片。最后一章分享几个验证和调整的技巧这些在实际部署中帮我避过了很多次尴尬。6.1 单张图片推理的置信度阈值调整YOLO推理默认的置信度阈值是0.25NMS IoU阈值是0.45。在医学检测场景里漏检比误检更可怕。我给舌象推理时会把置信度调低到0.15把NMS IoU调到0.5。这样做的代价是会多一些重复框但漏检率会明显下降。对医生的使用体验来说框多了可以手动忽略但该框的地方没有框就会觉得“这个系统不行”。from ultralytics import YOLO model YOLO(run_tongue/exp2/weights/best.pt) results model.predict( sourcetest_imgs/001.jpg, conf0.15, iou0.5, saveTrue, save_txtTrue, imgsz640 )save_txtTrue会把预测的坐标保存为txt文件方便后续做量化对比。我建议对同一个测试集的50张图分别用0.25和0.15的置信度跑一遍统计漏检数和误检数的变化找到适合你业务场景的平衡点而不是盲从默认值。6.2 混淆矩阵分析5个类别的错误长相YOLO训练结束后会在runs/detect/exp2目录下生成confusion_matrix.png这个图展示了模型把真实类别错判成哪些错误类别。对舌象检测来说最常见的错误模式是淡红舌和红舌互相混淆、齿痕舌与裂纹舌互相混淆。你不需要看懂所有像素只需要关注对角线以外的深色块。如果发现淡红舌被大量预测成红舌先看训练数据里这两个类别的图片是否足够典型——很多数据集的淡红舌照片偏暗红舌偏亮模型直接把亮度当成了分类依据。解决方法是把这类样本加入测试集再人工检查如果确认是数据问题回到标注环节修正有歧义的样本而不是调损失函数权重。6.3 跨设备迁移验证训练集和验证集必须分开拍摄批次最后一条是血泪经验。如果800张数据来自同一批拍摄设备模型在同样设备拍摄的测试图上效果好到飞起但换一台手机立刻掉点。跑验证时一定要问清楚数据来源把不同设备拍摄的图混入验证集。如果训练集本身只来自单个设备那这个模型就只能用于“该设备的离线演示”上了产品线就可以说是事故了。交叉验证的正确做法是把测试集按设备来源分组分别统计mAP。例如设备A拍的和设备B拍的各测一次如果精度差异超过10个百分点就要追加数据或者做色彩增强改变亮度、色温让模型学会忽略光照差异。做舌象检测一年多的习惯让我现在拿到数据集第一反应不是跑训练而是先翻标注、看分布、查设备来源。这些功夫花在前面才能让后面训练不白跑、评估不虚高。这套工作流下来800张小数据集对做原型demo和临床预研已经完全够用但真到了跨医院、跨设备的大规模部署还是得继续扩充数据、细化边界框标注规范。希望帮到你少走我走过的这些弯路。本文还有配套的精品资源点击获取