合成健康与受伤面部图像数据集:面向配对与非配对学习任务

该数据集包含合成面部图像,分为健康面部与受伤面部两个域,用于计算机视觉与医学图像分析研究。数据集划分为配对子集与非配对子集,以支持监督、半监督和无监督学习方法

google_dataset
浏览 6
图像分类创伤性损伤合成面部图像健康与受伤配对学习非配对学习计算机视觉医学图像分析
Synthetic Healthy and Injured Facial Image Dataset for Paired and Unpaired Learning Tasks

基本信息

模态
图像
大小
1.85 GB
任务类型
分类
创建/更新时间
2026-10-21

资源简介

合成健康与受伤面部图像数据集:面向配对与非配对学习任务

该数据集全称为 Synthetic Healthy and Injured Facial Image Dataset for Paired and Unpaired Learning Tasks,是一套面向计算机视觉与医学图像分析研究的合成面部图像集合。数据集将面部图像划分为健康面部与受伤面部两个域,并进一步组织为配对子集与非配对子集,以适配监督、半监督和无监督等不同学习范式。在配对子集中,每一张健康面部图像都对应同一合成身份的受伤版本,身份信息保持匹配;在非配对子集中,健康与受伤面部图像之间不存在身份对应关系。该数据集归属于创伤与损伤/创伤性损伤分类,来源于 ieee-dataport.org,可为面部损伤相关的图像分析算法研究提供受控的实验数据基础。

【数据集背景】

面部创伤与损伤的医学图像分析通常需要大量标注图像,而真实临床面部损伤图像受隐私保护、采集条件与伦理审查等因素制约,获取难度较大。该数据集以合成方式构建健康与受伤两类面部图像域,旨在为计算机视觉与医学图像分析研究提供可用的实验数据。其设计同时覆盖配对与非配对两种组织方式,使研究者能够在身份受控与身份不受控两种条件下开展方法比较,从而服务于监督、半监督与无监督学习等不同技术路线。

【数据内容】

数据集的核心内容是合成面部图像,按域划分为健康面部图像与受伤面部图像两类。在配对子集中,健康图像与受伤图像按同一合成身份一一对应,即每张健康图像均有一张同一身份的受伤版本;在非配对子集中,健康图像与受伤图像之间不具备身份对应关系。这种双轨结构使数据集既可用于需要成对样本的任务,也可用于不依赖成对样本的任务。除上述域划分与配对关系外,源站未提供图像数量、分辨率、损伤类型、文件格式等具体信息。

【采集与来源】

该数据集来源于 ieee-dataport.org,其图像为合成面部图像,而非真实临床采集的面部照片。数据集名称中明确标注了“Synthetic”,表明其数据由合成方式生成。关于合成所采用的具体生成方法、生成工具、原始数据来源以及生成过程的参数设置,源站未提供。

【适用场景】

依据数据集的设计,其适用于计算机视觉与医学图像分析研究,尤其面向面部健康与受伤状态相关的图像分析任务。配对子集支持需要身份匹配的监督学习与半监督学习场景,例如成对图像之间的转换、配对比较等;非配对子集则支持不依赖身份对应的无监督或非配对学习方法。数据集整体覆盖监督、半监督与无监督三类学习范式,可用于方法验证与对比实验。关于具体的下游任务类型与评价指标,源站未提供。

【使用方法】

使用时可按研究需要选择配对子集或非配对子集:若方法要求健康与受伤图像来自同一身份,应使用配对子集;若方法不要求身份对应,则可使用非配对子集。数据集按健康与受伤两个域组织,便于构建二域分类、域转换或跨域分析等实验设置。关于数据划分比例、训练/验证/测试集划分方式、标注文件格式与读取接口,源站未提供。

【质量与限制】

该数据集为合成面部图像,与真实临床面部损伤图像在成像条件与外观分布上可能存在差异,使用者应关注合成数据向真实场景迁移时的适用性。配对子集提供身份匹配的健康与受伤图像,非配对子集则不含身份对应关系,两者在实验设计上不可混用。关于图像质量评估、损伤标注的准确性、数据规模与类别平衡等信息,源站未提供。

【引用与许可】

该数据集发布在 ieee-dataport.org。关于引用格式、作者信息、许可条款与使用限制,源站未提供。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://ieee-dataport.org/documents/synthetic-healthy-and-injured-facial-image-dataset-paired-and-unpaired-learning-tasks

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 1.85 GB。

数据说明

法蒂玛·伊夫蒂哈尔(2026)。用于配对与非配对学习任务的合成健康与受伤面部图像数据集[数据集]。https://ieee-dataport.org/documents/synthetic-healthy-and-injured-facial-image-dataset-paired-and-unpaired-learning-tasks

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。

获取专属数据定制方案