企业官网建设流程全解析

简介：这份资源面向从事医学图像分割、牙齿病变检测的算法工程师与研究者，提供一套labelme格式的牙齿及牙齿病变标注数据集，可用于语义分割或实例分割模型的训练与验证。压缩包内共1个docx文件，约2.22MB，主要承载数据集说明与下载指引，实际数据为2616张jpg图片及对应的2616个json标注文件，不含mask文件。数据集涵盖Tooth、Caries、Cavity、Crack、calculus、inflamation共6个类别，各类别标注数量分别为1709、2913、1099、139、1207和620，使用labelme 5.5.0以多边形框方式标注。需注意部分牙齿未标注，因分割目的以病变检测为主，不影响病变识别；json文件需自行转换为mask、YOLO或COCO格式。目前已有122人学习，适合需要牙齿病变检测数据、希望快速开展分割实验的读者参考使用。

1. 牙齿病变分割数据集：2616 张 labelme 标注，6 类病变怎么落地

牙科影像的 AI 辅助诊断这两年从论文走向了椅旁，但真正动手做分割的人都会卡在同一个地方：找不到带精细多边形标注的牙齿病变数据。公开数据里要么只有全景片分类标签，要么只标了牙齿轮廓、没标病变。这份 2616 张的 labelme 格式牙齿分割数据集，恰好补的就是这个缺口——它把 Tooth、Caries、Cavity、Crack、calculus、inflamation 六类病变都用 polygon 画了出来，图片和 json 一一对应，2616 对，不多不少。

它适合谁？做口腔影像分割的算法同学、想验证病变检测 pipeline 的工程师、需要一份可编辑标注做二次加工的研究者。注意它的定位：分割目的是查病变，所以部分正常牙齿没标注，这不是标注事故，是设计取舍。下面从格式、转换、训练、排错一路拆到能跑。

2. labelme 格式拆解：json 里到底存了什么，怎么读

2.1 一份 json 的字段结构与六类标签

labelme 5.5.0 导出的 json 是标准结构，核心就三块：imagePath、imageData（可选）、shapes。每个 shape 里有label、points、shape_type、flags。这份数据集用的是 polygon，所以shape_type全是polygon，points是一串[x, y]顶点，不是矩形框。六类标签名严格区分大小写：Tooth、Caries、Cavity、Crack、calculus、inflamation。注意inflamation是数据集里的拼写，转换脚本里必须原样匹配，写成inflammation会直接漏掉 620 个标注。

先写个脚本把标注分布和图片尺寸摸清楚，别急着转格式。很多人一上来就转 mask，结果类别对不上、坐标越界，回头查半天。

import json, os, glob from collections import Counter json_dir = "annotations" # json 所在目录 img_dir = "images" # jpg 所在目录 label_counter = Counter() size_set = set() bad_files = [] for jp in glob.glob(os.path.join(json_dir, "*.json")): with open(jp, "r", encoding="utf-8") as f: data = json.load(f) # 记录图片尺寸，用于后续校验坐标是否越界 h, w = data.get("imageHeight"), data.get("imageWidth") size_set.add((w, h)) for shape in data["shapes"]: label_counter[shape["label"]] += 1 # 检查多边形顶点是否落在图像范围内 for x, y in shape["points"]: if x < 0 or y < 0 or x > w or y > h: bad_files.append(jp) break print("类别分布:", dict(label_counter)) print("图片尺寸集合:", size_set) print("坐标越界文件数:", len(set(bad_files)))

逻辑说明：imageHeight/imageWidth是 labelme 写入的原图尺寸，用它做坐标边界校验最直接。label_counter统计出来的数量应该和简介里的 Tooth 1709、Caries 2913、Cavity 1099、Crack 139、calculus 1207、inflamation 620 对得上，对不上说明有 json 损坏或标签拼写被改过。size_set如果出现多个尺寸，说明图片不是统一分辨率，转 mask 时不能写死宽高。

参数说明：json_dir和img_dir按你解压后的实际目录改；如果 json 里带了imageData（base64 内嵌图），文件会很大，读取时可以用json.load正常处理，但转格式时建议忽略imageData，直接用同名 jpg。

2.2 为什么这份数据不能直接喂给分割网络

labelme 的 json 是标注中间态，不是训练格式。语义分割要的是单通道 mask（每像素一个类别 id），实例分割要的是 COCO 的 polygon 或 RLE，YOLO 分割要的是归一化的class x1 y1 x2 y2 ...文本。这份数据集只给 jpg + json，mask 要自己转，这是它最容易被低估的一步。

另一个坑是「部分牙齿没标注」。如果你按语义分割做，未标注区域在 mask 里是背景（0），模型会把正常牙齿也学成背景，导致推理时牙齿区域被吞。常见做法是：要么只把六类病变当作前景、Tooth 单独处理，要么在 loss 里对未标注像素做 ignore。我一般会在转 mask 时额外生成一张ignore_mask，把「有牙齿但没标注」的区域标出来，训练时权重置零。这一步不做，mIoU 看着还行，实际病变召回会很难看。

3. json 转 mask / YOLO / COCO：三套脚本与参数

3.1 转语义分割 mask：类别映射与 ignore 区域

语义分割 mask 是一张和原图同尺寸的灰度图，像素值就是类别 id。映射关系自己定，但一旦定了就不能改，否则权重白训。

import json, os, numpy as np from PIL import Image, ImageDraw # 类别到 id 的映射，0 留给背景 CLASS_MAP = { "Tooth": 1, "Caries": 2, "Cavity": 3, "Crack": 4, "calculus": 5, "inflamation": 6 } def json_to_mask(json_path, out_path): with open(json_path, "r", encoding="utf-8") as f: data = json.load(f) w, h = data["imageWidth"], data["imageHeight"] mask = Image.new("L", (w, h), 0) # 全背景 draw = ImageDraw.Draw(mask) for shape in data["shapes"]: label = shape["label"] if label not in CLASS_MAP: continue # 未知标签跳过，避免污染 pts = [tuple(p) for p in shape["points"]] draw.polygon(pts, fill=CLASS_MAP[label]) mask.save(out_path) for jp in os.listdir("annotations"): if jp.endswith(".json"): json_to_mask(os.path.join("annotations", jp), os.path.join("masks", jp.replace(".json", ".png")))

逻辑说明：Image.new("L", ...)建单通道图，draw.polygon按顶点填充类别 id。多边形重叠时后画的覆盖先画的，这份数据六类病变基本不重叠，但 Tooth 和病变可能叠，建议把 Tooth 放最后画或单独处理。CLASS_MAP里没列的标签直接跳过，防止有人手动加了新类导致 id 错位。

参数说明：fill=CLASS_MAP[label]的值就是训练时num_classes的依据，这里最大是 6，所以num_classes=7（含背景）。如果你想把 Tooth 当背景只留五类病变，把Tooth从映射里删掉即可，但记得同步改num_classes。

3.2 转 YOLO 分割格式：归一化与类别索引

YOLO 分割的标签是 txt，每行class_index x1 y1 x2 y2 ...，坐标全部归一化到 0~1。类别索引从 0 开始，和CLASS_MAP的 id 要错开一位。

import json, os CLASS_LIST = ["Tooth", "Caries", "Cavity", "Crack", "calculus", "inflamation"] def json_to_yolo(json_path, out_txt): with open(json_path, "r", encoding="utf-8") as f: data = json.load(f) w, h = data["imageWidth"], data["imageHeight"] lines = [] for shape in data["shapes"]: if shape["label"] not in CLASS_LIST: continue cls_id = CLASS_LIST.index(shape["label"]) # 归一化并保留 6 位小数，减少文件体积 coords = [] for x, y in shape["points"]: coords.append(f"{x / w:.6f}") coords.append(f"{y / h:.6f}") lines.append(f"{cls_id} " + " ".join(coords)) with open(out_txt, "w") as f: f.write("\n".join(lines))

逻辑说明：CLASS_LIST.index保证类别顺序固定，训练时的data.yaml里names必须和这个列表完全一致。归一化用x/w、y/h，注意是除以宽和高，别写反。保留 6 位小数是经验值，再多没必要，再少可能丢精度。

参数说明：YOLOv8-seg 的data.yaml里nc: 6，names按CLASS_LIST顺序写。如果某个类别样本极少（比如 Crack 只有 139 个），训练时容易欠拟合，可以在data.yaml里不做特殊处理，而是在 loss 里用cls_pw加权，或者对含 Crack 的图做 oversampling。

3.3 转 COCO 格式：实例分割的 category_id 与 segmentation

COCO 的实例分割用 polygon 的segmentation字段，格式是[[x1,y1,x2,y2,...]]，category_id从 1 开始。这份数据转 COCO 最省事，因为 labelme 的 polygon 几乎可以直接搬。

import json, os from pycocotools import mask as mask_util # 可选，用于 RLE coco = {"images": [], "annotations": [], "categories": []} CLASS_LIST = ["Tooth", "Caries", "Cavity", "Crack", "calculus", "inflamation"] for i, name in enumerate(CLASS_LIST, start=1): coco["categories"].append({"id": i, "name": name, "supercategory": "lesion"}) ann_id = 1 for img_id, jp in enumerate(os.listdir("annotations"), start=1): if not jp.endswith(".json"): continue with open(os.path.join("annotations", jp), "r", encoding="utf-8") as f: data = json.load(f) w, h = data["imageWidth"], data["imageHeight"] coco["images"].append({ "id": img_id, "file_name": jp.replace(".json", ".jpg"), "width": w, "height": h }) for shape in data["shapes"]: if shape["label"] not in CLASS_LIST: continue seg = [[c for p in shape["points"] for c in p]] # 展平 xs = [p[0] for p in shape["points"]] ys = [p[1] for p in shape["points"]] coco["annotations"].append({ "id": ann_id, "image_id": img_id, "category_id": CLASS_LIST.index(shape["label"]) + 1, "segmentation": seg, "bbox": [min(xs), min(ys), max(xs)-min(xs), max(ys)-min(ys)], "area": (max(xs)-min(xs)) * (max(ys)-min(ys)), "iscrowd": 0 }) ann_id += 1 with open("instances.json", "w") as f: json.dump(coco, f)

逻辑说明：segmentation用展平的顶点列表，COCO 接受这种 polygon 格式。bbox用顶点极值算，area用外接框面积近似，严格来说应该用多边形面积，但多数框架对area不敏感。iscrowd=0表示单实例。

参数说明：category_id从 1 开始，和categories里的id对应。如果后续用 Detectron2 或 MMDetection，instances.json直接注册即可。注意这份数据没有 mask 文件，COCO 的segmentation是 polygon，不是 RLE，别混。

4. 避坑与排查：标注、转换、训练里最容易翻车的五件事

4.1 现象：转完 mask 全是黑图，一个白点都没有

原因：json 里的points是相对坐标（0~1）而不是像素坐标，或者imageWidth/imageHeight读成了字符串。labelme 默认存像素坐标，但有人手动改过 json 就会出问题。

解决：先跑 2.1 的校验脚本，打印size_set和几个points的极值。如果points最大值小于 1，说明是归一化坐标，转 mask 时要乘回宽高。如果imageWidth是字符串，int()转一下。

4.2 现象：训练时 loss 正常下降，但验证集 mIoU 一直 0.2 以下

原因：未标注的牙齿区域被当成背景，模型把大量正常牙齿学成了背景类，病变区域被稀释。这份数据「部分牙齿没标注」是设计如此，但直接训就会踩这个坑。

解决：生成 ignore mask，把「有牙齿但无标注」的区域在 loss 里忽略。简单做法是用一个牙齿检测模型先框出牙齿区域，再和标注区域做差集。或者退一步，只把六类病变当正类，Tooth 不参与 loss。

4.3 现象：Crack 类别的 AP 几乎为 0

原因：Crack 只有 139 个标注，是六类里最少的，且裂纹在图像上细长、对比度低，polygon 面积小，模型很难学到。

解决：对含 Crack 的图片做 oversampling，或者在 dataloader 里对 Crack 类别做 copy-paste 增强。另外检查一下 Crack 的 polygon 是不是太细导致转 mask 后只剩一两个像素，如果是，转 mask 时对 Crack 做形态学膨胀。

4.4 现象：YOLO 训练报「label out of bounds」

原因：归一化后坐标出现负数或大于 1，通常是 json 里有多边形顶点超出图像边界，或者imageWidth/imageHeight和实际 jpg 尺寸不一致。

解决：转 YOLO 前先 clamp，x = min(max(x, 0), w)，y同理。同时用 PIL 读一下 jpg 的实际尺寸，和 json 里的imageWidth对比，不一致的样本直接剔除。

4.5 现象：labelme 打开 json 报错或图片不显示

原因：json 里的imagePath是绝对路径，换机器后路径失效；或者 json 里带了imageData但 base64 损坏。

解决：用 labelme 打开时选「Open Dir」而不是「Open File」，让它按目录匹配。如果imageData损坏，用脚本把imageData字段删掉，只留imagePath，labelme 会去同目录找同名 jpg。

5. 从标注到推理：一份可复现的验证流程与我的固定习惯

转完格式别急着上大模型，先用一份小样本把整条链路跑通。我一般会抽 50 张图，按 3.1 转 mask，用最简单的 U-Net 训 20 个 epoch，看六类的像素准确率和召回。这一步不是为了刷指标，是为了确认「json → mask → dataloader → loss → 推理可视化」没有断点。断点往往不在模型，而在标注和转换。

验证流程可以固定成四步。第一步，跑 2.1 的统计脚本，确认六类数量和简介一致，坐标无越界。第二步，抽一张图，把 json 的 polygon 用 PIL 画出来，和原图叠在一起看，确认标注位置对得上。第三步，转 mask 后把 mask 和原图并排看，确认病变区域被正确填充、Tooth 和病变没有互相覆盖。第四步，用转好的 YOLO 或 COCO 格式训一个轻量模型，只看 loss 曲线和验证集可视化，不看绝对精度。

这里有个我踩过的坑：早期我直接拿这份数据训语义分割，num_classes设成 6，忘了背景，结果类别 id 整体错位，Tooth 被当成背景，Caries 被当成 Tooth，训了两天才发现。从那以后我每次转 mask 都强制走一遍「打印类别 id 映射 + 抽一张图可视化」的流程，不管多急都不跳过。

再给一个推理阶段的小技巧。这份数据的病变类别里，Caries 和 Cavity 在视觉上容易混，calculus 和 inflamation 也常同时出现。推理时如果发现某张图同时预测出 Caries 和 Cavity，别急着当误检，先看标注里这两类是不是本来就共存。我一般会在后处理里加一条：同一区域同时出现 Caries 和 Cavity 时，保留置信度高的那个，另一类降权。这条规则不是通用的，但在这份数据的分布下能压掉一部分重复框。

最后说数据本身。2616 张、6 类、labelme 5.5.0 标注、polygon 规则，这些参数决定了它适合做病变分割的原型验证和格式转换练习，不适合直接当 benchmark 刷 SOTA。发布方也明确说了不对模型精度作保证，这话实在。你要做的是把它当成一份可编辑的标注底料，按自己的任务转格式、补 ignore、调类别权重。需要这份数据的话，去 download.csdn.net/download/FL1623863129/88570705 拿，解压后先跑统计脚本，再动手转格式。希望帮到你。

本文还有配套的精品资源，点击获取