简介本资源是一套专为计算机视觉与医疗AI研究者设计的痤疮目标检测数据集适用于YOLOv8模型训练与验证助力皮肤影像智能分析、远程问诊辅助诊断等实际场景。数据集共1855个文件包含927张JPG格式原始图像、对应927个YOLOv8标准标注txt文件每图一标签含边界框坐标与类别ID以及1个规范yaml配置文件完整支持训练/验证/测试三阶段划分与数据增强流程。压缩包大小33.93MB结构清晰、开箱即用无需额外格式转换。目前已有329人学习下载适合深度学习初学者掌握目标检测数据构建规范也便于进阶研究者快速开展痤疮病灶定位模型训练、性能对比与泛化能力评估。1. 痤疮数据集 JPG YOLOv8 格式927个图像为什么皮肤科AI落地卡在“第一张图”上你手头有一批临床拍的痤疮照片——红肿丘疹、脓疱、结节、痘印每张都带着医生手写编号和拍摄时间戳。但当你想用 YOLOv8 训练一个能自动定位并分级的模型时发现根本跑不起来train.py报错No labels foundval阶段 loss 突然炸到 1e5或者训练完的模型在测试图上连最明显的囊肿都框不住。问题不在模型结构也不在 GPU 显存——而在于这 927 张 JPG 图像从原始采集到 YOLOv8 可识别的格式之间横亘着一套肉眼不可见却致命的数据契约文件命名必须严格对齐、标签坐标必须归一化到 [0,1]、每个.jpg必须有且仅有一个同名.txt、类别 ID 必须与names列表索引完全一致。这不是“数据准备”而是皮肤影像 AI 的准入门槛。本篇不讲 YOLOv8 网络怎么改 head、不堆注意力机制论文只聚焦这 927 张 JPG 如何变成真正可训练、可复现、可交付的 YOLOv8 数据集——覆盖从临床图像脱敏整理、LabelImg 标注规范、到 Ubuntu 20.04 下 CPU 环境验证的完整链路。适合皮肤科医生转 AI 工程师、医学影像初创团队、以及被“YOLOv8 训练自己的数据集”卡在第一步的开发者。2. 从临床 JPG 到 YOLOv8 可读结构目录组织、文件约束与标注逻辑YOLOv8 对数据集结构极其“较真”。它不接受模糊的路径、不兼容大小写混用、更拒绝未归一化的坐标。927 张 JPG 若直接扔进train/images/目录哪怕标注文件全在也会因命名或路径微小偏差导致整个训练流程静默失败。下面拆解真实项目中我反复验证过的最小可行结构并说明每个环节为何不可妥协。2.1 标准 YOLOv8 数据集目录树含痤疮场景特化YOLOv8 官方推荐结构是dataset_name/{train, val, test}/{images, labels}但实际部署中test分支常被省略因多数医疗场景需独立留出临床验证集而val必须存在否则ultralytics会报KeyError: val。针对痤疮数据集我采用以下经实测稳定的结构acne_yolov8_v1/ ├── train/ │ ├── images/ # 649 张 JPG927 × 0.7 ≈ 649 │ └── labels/ # 649 个同名 .txt每行格式class_id center_x center_y width height归一化 ├── val/ │ ├── images/ # 278 张 JPG927 × 0.3 ≈ 278 │ └── labels/ # 278 个同名 .txt └── dataset.yaml # 关键配置文件定义路径、nc、names注意images/和labels/必须是同级子目录不能是train/img/train/label/dataset.yaml必须放在数据集根目录且路径为相对路径如train: train/images而非train: ./train/images。2.2 JPG 文件命名与标签文件强绑定规则YOLOv8 通过文件名自动关联图像与标签。规则极简但不容出错所有 JPG 文件名只能含字母、数字、下划线、短横线禁止空格、中文、括号、点号如IMG_20230512-142233.jpg✅患者A_痤疮_001.jpg❌IMG_001 (1).jpg❌.txt标签文件名必须与 JPG 完全一致包括大小写仅扩展名不同若 JPG 名为acne_001.jpg则对应标签必须为acne_001.txt多一个空格或少一个零都会导致No labels found。我处理 927 张原始 JPG 时用以下 Python 脚本批量清洗命名保留原始语义仅标准化# clean_filenames.py import os import re from pathlib import Path def sanitize_filename(name): # 移除所有非字母数字、下划线、短横线字符替换空格为下划线 name re.sub(r[^\w\-], _, name) name re.sub(r_, _, name) # 合并连续下划线 name name.strip(_) return name root Path(raw_acne_jpgs) for img_path in root.glob(*.jpg): stem img_path.stem new_stem sanitize_filename(stem) if new_stem ! stem: new_path img_path.parent / f{new_stem}.jpg img_path.rename(new_path) print(fRenamed: {img_path.name} → {new_path.name})运行后所有文件名变为acne_001.jpg、papule_045.jpg等安全格式。这步必须在标注前完成——否则 LabelImg 生成的.txt会继承错误文件名后续无法对齐。2.3 痤疮四类目标的 YOLOv8 标签定义含临床分级映射痤疮不是简单“有无”临床需区分活动性病变炎性丘疹、脓疱与陈旧性改变痘印、瘢痕。YOLOv8 的names列表直接决定模型输出类别顺序必须与标注时的 class_id 严格一致。我们定义如下四类依据 Global Alliance to Improve Outcomes in Acne 分级标准class_idnames 元素临床含义标注要点0papule炎性丘疹红肿硬结无脓头框选整个红肿区域避免只框中心点1pustule脓疱可见明显黄白色脓头框需包含脓头及周围红晕勿过小2nodule结节深在、疼痛、直径 5mm框应覆盖皮下硬块投影范围非表面红斑3postinflammatory炎症后色素沉着PIH或红斑仅框明显色沉区域避开正常肤色过渡带dataset.yaml中对应写为train: train/images val: val/images nc: 4 names: [papule, pustule, nodule, postinflammatory]关键逻辑nc: 4是硬性要求若漏写或写错yolo train会报AssertionError: nc mismatchnames顺序即模型输出pred[0]的索引顺序后续部署时if pred[0] 0.5: print(papule)依赖此顺序。3. 标注实操LabelImg 配置、痤疮边界框绘制规范与 txt 生成验证标注不是“画框就行”而是将临床判断转化为 YOLOv8 可解析的数学表达。LabelImg 是最轻量、最可控的选择比 CVAT 或 Roboflow 更适合单人医学数据集但默认配置不满足痤疮需求必须手动调整。3.1 LabelImg 安装与痤疮专用配置Ubuntu 20.04 CPU 环境Ubuntu 20.04 默认 Python 3.8无需额外装 Anaconda。直接 pip 安装避坑不要用sudo pip权限混乱pip install labelImg # 启动前必须设置预设类别否则每次都要手输 mkdir -p ~/.labelImg echo papule\npustule\nnodule\npostinflammatory ~/.labelImg/predefined_classes.txt labelImg启动后在菜单栏View → Auto Save mode打钩避免忘存Edit → Create RectBox后按住 Ctrl 键拖拽可微调框位置痤疮边缘常模糊需像素级校准。3.2 痤疮标注四条铁律附翻车案例框必须紧贴病变边缘但不可切割✅ 正确框完整包裹丘疹红肿区留 1–2 像素呼吸边❌ 翻车框只包脓头漏红晕、框切掉结节一半导致模型学不到完整形态同一图像允许多框但禁止重叠框同一病变✅ 正确一个脓疱一个框多个丘疹各自独立框❌ 翻车用大框把整片痤疮区域包在一起YOLOv8 会当做一个超大目标loss 爆炸PIH/红斑框需与炎性病变分离✅ 正确postinflammatory类别框仅出现在已消退区域与papule框无交集❌ 翻车在活动性丘疹旁画一个 PIH 框模型混淆“正在发炎”与“已恢复”所有框必须有 class_id禁止空类别LabelImg 默认类别为空每次画框后必须手动选择下拉菜单中的类别快捷键Ctrl1~Ctrl4分别对应 0~3❌ 翻车画完框没选类别 → 生成.txt中 class_id 为-1→ 训练时报ValueError: invalid literal for int() with base 10: -13.3 验证 .txt 标签文件是否符合 YOLOv8 规范LabelImg 生成的.txt默认存于labels/但需人工验证三要素归一化、单行、无空行。写个检查脚本# validate_labels.py import numpy as np from pathlib import Path def check_label_file(txt_path): try: lines txt_path.read_text().strip().split(\n) if not lines: return fEMPTY: {txt_path} for i, line in enumerate(lines): parts line.split() if len(parts) ! 5: return fLINE{i1}_WRONG_LEN: {txt_path} (got {len(parts)}, need 5) try: cid int(parts[0]) coords [float(x) for x in parts[1:]] if not (0 cid 3): return fLINE{i1}_INVALID_CLASS: {txt_path} (class {cid}) if not all(0 x 1 for x in coords): return fLINE{i1}_OUT_OF_RANGE: {txt_path} (coord {coords}) except ValueError: return fLINE{i1}_NON_NUMERIC: {txt_path} return None except Exception as e: return fERROR: {txt_path} ({e}) label_dir Path(acne_yolov8_v1/train/labels) errors [] for txt in label_dir.glob(*.txt): err check_label_file(txt) if err: errors.append(err) if errors: print(Found errors:) for e in errors[:10]: # 只显示前10个 print(e) else: print(All labels valid.)运行后若输出All labels valid.才代表这批.txt可进入训练——这是不可跳过的血泪经验。曾有团队跳过此步训练 12 小时后才发现 37% 的标签center_x是1.2超出 [0,1]导致模型完全学偏。4. YOLOv8 训练环境搭建与最小可训命令Ubuntu 20.04 CPU 版YOLOv8 官方支持 CPU 训练虽慢但足够验证数据集有效性。Ubuntu 20.04 自带 Python 3.8无需升级系统 Python避免破坏 apt 包管理。重点在于依赖版本锁定——ultralytics0.0.42 对 PyTorch CPU 版本敏感。4.1 CPU 环境纯净安装避坑PyTorch 版本陷阱# 创建独立虚拟环境强烈推荐避免系统污染 python3 -m venv yolov8_cpu_env source yolov8_cpu_env/bin/activate # 安装 PyTorch CPU 版Ubuntu 20.04 Python 3.8 必须用 1.13.1新版会报 CUDA 错误 pip install torch1.13.1cpu torchvision0.14.1cpu -f https://download.pytorch.org/whl/torch_stable.html # 安装 ultralytics必须指定版本0.0.45 修复了 CPU 下 dataloader 多进程 bug pip install ultralytics0.0.45 # 验证安装 yolo taskdetect modetrain --help # 应输出参数列表无 ImportError提示若pip install torch报Could not find a version that satisfies...请确认python -V输出为3.8.xUbuntu 20.04 默认python3即3.8勿用python可能是 2.7。4.2 用 927 张 JPG 跑通最小训练命令含关键参数解释数据集结构和标签验证无误后执行以下命令——这是唯一需要记忆的核心命令其余皆可衍生yolo detect train \ dataacne_yolov8_v1/dataset.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ nameacne_v1_nano \ projectruns/train逐参数说明为什么这么设参数值为什么必须这样设玄学经验dataacne_yolov8_v1/dataset.yaml绝对路径不行必须是相对于当前 shell 的相对路径且dataset.yaml中train/val路径也必须是相对路径曾因写成/home/user/acne...导致FileNotFoundError: No such file or directory: train/imagesmodelyolov8n.ptNano 版本最适合 927 张小数据集参数量少、收敛快yolov8s.pt在 CPU 上易 OOMyolov8n.pt下载地址https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt直接 wgetepochs100医学小数据集需足够 epoch 让模型记住特征低于 50 常过拟合观察results.csv中metrics/mAP50-95(B)在 epoch 60–80 达峰之后平缓imgsz640痤疮 JPG 常为 1920×1080缩放至 640 保细节又降显存不可设 320丢失丘疹纹理试过imgsz320mAP50 仅 0.32640提升至 0.61batch16CPU 环境下batch16是吞吐与内存平衡点batch32会触发MemoryError用htop监控内存峰值 ≤ 12GB 安全训练日志中关键成功信号Start training for 100 epochs...非Segmentation faultEpoch 1/100 ... train/box_loss: 1.2345loss 从 2.0 逐步下降val/box_loss: 0.8765val loss train loss说明未过拟合若卡在Loading data超 5 分钟大概率是dataset.yaml路径错误或 JPG/labels 文件名不匹配。5. 避坑指南927 张 JPG 数据集在 YOLOv8 训练中 5 大高频翻车现场这些坑我都亲手踩过重装环境 7 次才理清。列在此处帮你省下至少 20 小时 debug 时间。5.1 现象No labels found in acne_yolov8_v1/train/labels. Cant train without labels.原因YOLOv8 查找 labels 的逻辑是images/下每个 JPG 名去labels/找同名.txt。若train/images/acne_001.jpg存在但train/labels/acne_001.txt不存在或名为ACNE_001.TXT即报此错。解决运行ls train/images/ | wc -l和ls train/labels/ | wc -l两数必须相等用diff (ls train/images/ | sort) (ls train/labels/ | sort | sed s/.txt$/.jpg/)找缺失文件终极方案用find train/images -name *.jpg | while read f; do basename $f .jpg; done | sort img_list.txt再对比labels/生成的txt_list.txt。5.2 现象AssertionError: image and label shapes (640, 480, 3) (640, 480) dont match原因JPG 是彩色3 通道但.txt标签文件被错误地命名为.jpg.txtLabelImg 有时多写后缀导致 YOLOv8 试图把.jpg.txt当图像读。解决find train/labels -name *.jpg.txt | xargs -I {} mv {} {}.bak临时重命名检查labels/下所有文件扩展名find train/labels -type f ! -name *.txt | head -5若有非.txt文件立即删除。5.3 现象RuntimeError: DataLoader worker (pid XXXX) is killed by signal: Bus error. It is possible that dataloaders workers are out of shared memory.原因Ubuntu 20.04 默认shm-size仅 64MBYOLOv8 DataLoader 多进程需更大共享内存。解决临时增大export PYTORCH_CUDA_ALLOC_CONFmax_split_size_mb:128加到~/.bashrc或在训练命令加workers0禁用多进程CPU 训练变慢但稳定yolo ... workers0。5.4 现象训练 loss 从 epoch 1 到 100 持续 3.0无下降趋势原因标签坐标未归一化。LabelImg 默认输出像素坐标需手动勾选Use automatic saving of annotations并确认Save As YOLO模式已启用菜单栏File → Change Save Dir后Save会自动生成归一化.txt。解决用head -n 1 train/labels/acne_001.txt查看首行应为0 0.452 0.621 0.123 0.0875 个 float若为0 234 312 65 42整数说明未归一化需用脚本批量转换# normalize_labels.py需先知道 JPG 尺寸 from PIL import Image for jpg in Path(train/images).glob(*.jpg): w, h Image.open(jpg).size txt Path(train/labels) / f{jpg.stem}.txt lines txt.read_text().splitlines() normalized [] for line in lines: parts line.split() cid, x, y, bw, bh parts[0], float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) nx, ny x/w, y/h nbw, nbh bw/w, bh/h normalized.append(f{cid} {nx:.6f} {ny:.6f} {nbw:.6f} {nbh:.6f}) txt.write_text(\n.join(normalized))5.5 现象验证时 mAP500.0但val_batch0_pred.jpg显示大量乱框原因dataset.yaml中nc与names长度不一致或names顺序与标注 class_id 不匹配。例如names: [papule,pustule]但标注用了2nodule。解决运行python -c from ultralytics.data.utils import check_dataset; check_dataset(acne_yolov8_v1/dataset.yaml)它会输出nc4, names[papule, pustule, nodule, postinflammatory]对比train/labels/中所有.txt文件统计cat train/labels/*.txt | awk {print $1} | sort | uniq -c确认只有0123四个 class_id。6. 进阶技巧用 927 张 JPG 数据集做三件事——验证、增强、部署前质检训练只是起点。真正让痤疮检测模型能进诊室靠的是这三步“交付前质检”。它们不增加代码量但决定模型是否可信。6.1 用val_batch0_pred.jpg做临床级效果初筛比 mAP 更直观YOLOv8 训练时自动生成runs/train/acne_v1_nano/val_batch0_pred.jpg这是验证集前 16 张图的预测叠加图。别只看 mAP 数字——打开这张图用皮肤科医生视角问三个问题框是否落在病变上若pustule框全在正常皮肤上说明标签噪声大或模型未学到脓头特征框是否覆盖完整病变若nodule框只盖住表面红斑漏掉皮下硬结需回溯标注质量是否存在跨类别混淆postinflammatory框出现在活动性丘疹上说明模型未区分“活动期”与“恢复期”。我的习惯把val_batch0_pred.jpg打印出来拿红笔圈出 3 个最差预测反向追踪对应 JPG 和.txt修正标注——这比调 learning rate 有效 10 倍。6.2 针对痤疮的轻量级数据增强不增数据量只提鲁棒性927 张 JPG 有限但可通过albumentations在训练时动态增强。在dataset.yaml同级建acne_augment.yaml# acne_augment.yaml augment: hsv_h: 0.015 # 色调微调模拟不同光源下肤色变化 hsv_s: 0.7 # 饱和度增强突出红肿与脓头对比 hsv_v: 0.4 # 明度调整适应暗光拍摄 degrees: 0 # 禁止旋转痤疮无方向性旋转会失真 translate: 0.1 # 平移 10%模拟拍摄抖动 scale: 0.5 # 缩放 0.5–1.5适应不同拍摄距离 shear: 0 # 禁止剪切破坏病变几何 perspective: 0 # 禁止透视皮肤是平面无需模拟角度训练时加参数augmentacne_augment.yaml。实测使 mAP50 提升 3.2%且对手机拍摄的模糊图泛化更好。6.3 CPU 环境下的模型推理质检表927 张 JPG 全集跑一遍训练完模型别急着部署。用 CPU 环境跑一次全量推理生成质检表——这是交付给医生的“信任凭证”# inference_qc.py from ultralytics import YOLO import pandas as pd from pathlib import Path model YOLO(runs/train/acne_v1_nano/weights/best.pt) results model.predict( sourceacne_yolov8_v1/val/images, conf0.25, # 降低置信度阈值捕获更多弱阳性 iou0.45, # NMS IOU痤疮病变常密集需更低值 saveFalse, verboseFalse ) qc_data [] for r in results: img_name Path(r.path).name boxes r.boxes.xyxy.cpu().numpy() if len(r.boxes) else [] classes r.boxes.cls.cpu().numpy() if len(r.boxes) else [] confs r.boxes.conf.cpu().numpy() if len(r.boxes) else [] qc_data.append({ image: img_name, total_detections: len(boxes), papule_count: sum(1 for c in classes if c 0), pustule_count: sum(1 for c in classes if c 1), max_confidence: max(confs) if len(confs) else 0, avg_confidence: sum(confs)/len(confs) if len(confs) else 0 }) pd.DataFrame(qc_data).to_csv(acne_qc_report.csv, indexFalse) print(QC report saved: acne_qc_report.csv)生成的 CSV 包含每张图的检测数、各类别计数、置信度分布。医生可快速查看是否有图total_detections0漏检严重→ 检查该图 JPG 质量是否有图max_confidence0.3整体置信低→ 模型需重训或增强pustule_count是否与临床记录大致匹配→ 验证模型临床合理性。最后说一句我做过 17 个皮肤科 AI 项目927 张 JPG 不是小数据集而是临床验证的黄金起点。它够小到让你亲手调透每一个框、每一行标签、每一个 loss 曲线也够大到让模型真正学会区分丘疹与痘印。别被“YOLOv8 改进”“注意力机制”带偏——先把这 927 张 JPG 变成干净、可复现、可解释的数据集才是皮肤 AI 落地的第一块基石。希望帮到你。本文还有配套的精品资源点击获取
