用于YOLO的宠物皮肤病检测数据集
该数据集收录了与六种常见宠物皮肤病相关的图像,涵盖细菌性皮肤病、蠕形螨病、跳蚤过敏、真菌感染、炎症性皮炎和疥疮。所有图像均经过清洗、重新整理,并以YOLO边界框格式完成标注,可用于目标检测研究

基本信息
资源简介
用于YOLO的宠物皮肤病检测数据集
Pet Skin Disease Detection Dataset for YOLO
该数据集收录了与六种常见宠物皮肤病相关的图像,涵盖细菌性皮肤病、蠕形螨病、跳蚤过敏、真菌感染、炎症性皮炎和疥疮。所有图像均经过清洗、重新整理,并以YOLO边界框格式完成标注,可用于目标检测研究。图像来源于公开的Kaggle数据集和开放网络资源,原始图像版权归各自创作者所有,作者的贡献在于数据集的整理合并、图像清洗过滤、YOLO格式标注创建、类别标签统一以及面向目标检测模型训练的数据集结构设计(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含与六种常见宠物皮肤病相关的图像:细菌性皮肤病、蠕形螨病、跳蚤过敏、真菌感染、炎症性皮炎和疥疮。所有图像均已清洗、重新整理,并以YOLO边界框格式完成标注,以支持目标检测研究。该数据集中的图像收集自公开可用的Kaggle数据集和开放网络来源。原始图像不归作者所有,仍归各自创作者所有。作者的贡献包括:整理和合并数据集、清洗和过滤图像、创建YOLO格式标注、统一类别标签、构建用于训练目标检测模型的数据集结构。作者不对原始图像主张任何版权。仅标注、标注工作和数据集结构为作者的贡献。该数据集旨在用于研究和
【主题与分类】
主题标签:pet skin disease、object detection、YOLO dataset、veterinary dermatology、machine learning。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.17657316
使用许可:Creative Commons Attribution 4.0 International。
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。
暂未开放公开下载
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。
免登录有偿下载
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
源站:https://doi.org/10.5281/zenodo.17657316
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 97.1 MB。
数据说明
本数据集包含与六种常见宠物皮肤病相关的图像:细菌性皮肤病、蠕形螨病、跳蚤过敏、真菌感染、炎症性皮炎和疥疮。所有图像均已清理、重新组织,并以YOLO边界框格式进行标注,以支持目标检测研究。本数据集中的图像收集自公开可用的Kaggle数据集和开放网络资源。原始图像不归作者所有,仍属于各自创作者的财产。我的贡献包括:整理和合并数据集、清理和筛选图像、创建YOLO格式标注、标准化类别标签、构建数据集结构以用于训练目标检测模型。不对原始图像主张任何版权。仅标注、标注工作和数据集结构为作者的贡献。本数据集仅供研究和教育用途。
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。




