脱发分割数据集
该数据集包含脱发人群的头部图像及对应的分割掩码，属于图像模态数据，主要用于训练和评估图像分割模型，以支持脱发区域的自动识别与定量分析，在皮肤病学研究和计算机辅助诊断系统中具有重要应用价值。
基本信息
资源简介
脱发分割数据集
【数据集背景】
本数据集源站标题为《Hair Loss Segmentation Dataset》。源站首次发布：2023-08-04。
【数据内容】
源站原始描述：# Bald People Segmentation & Object Detection dataset The balding dataset consists of images of bald people and corresponding segmentation masks. Segmentation masks highlight the regions of the images that delineate the bald scalp. By using these segmentation masks, researchers and practitioners can focus only on the areas of interest, they also could study androgenetic alopecia via this dataset. The alopecia dataset is designed to be accessible and easy to use, providing high-resolution images…
【数据结构与技术规格】
文件数 20 个，合计 23.48 MB。
【主题与分类】
主题标签：image、e-commerce services、medicine、image segmentation、make-up and cosmetics。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/trainingdatapro/bald-people-segmentation-dataset
使用许可：Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("trainingdatapro/bald-people-segmentation-dataset")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d trainingdatapro/bald-people-segmentation-dataset
unzip bald-people-segmentation-dataset.zip -d bald-people-segmentation-dataset/
数据说明
该数据集是一个用于脱发分析的医学影像数据集，包含脱发人群的头部照片以及对应的分割掩码。数据来源于公开收集，通过人工或半自动标注方式生成了精确的脱发区域分割标签。该数据集主要用于图像分割算法的训练与评估，支持脱发程度量化、头皮健康分析等研究方向，在皮肤病学、计算机辅助诊断等领域具有应用价值。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
