简介：本资源面向图像分割方向的算法学习者与工程开发者，提供一套完整的舌头分割数据集，可用于语义分割模型的训练、验证与效果对比。数据涵盖训练集与测试集两部分：训练集含2127张jpg原图及2127张对应png掩膜，测试集含537张原图及537张掩膜，图像分辨率统一为640×640，掩膜为0/1阈值图像，0代表背景、1代表舌头，具体类别可在classes文本中查看。压缩包共约2000个文件，以1998个png掩膜、1个txt类别说明和1个py可视化脚本为主，整体约101.53MB，采用7z格式打包。配套脚本可直接运行，随机抽取一张图片并展示原图、GT图像及GT在原图上的蒙板效果，结果自动保存至当前目录，无需修改即可观察掩膜质量。目前已有229人学习，适合需要快速获取标注数据、搭建分割训练流程或验证模型精度的读者参考使用。
1. 舌头分割数据集到底能解决什么：从口腔影像到 2 类掩码的落地路径
拿到一份标注好的舌头分割数据集，最直接的用途是训练一个能把「舌体」和「背景」分开的二分类语义分割模型。医学图像分割里，舌头区域的分割常被用于舌诊客观化、口腔手术导航、语音发音研究，甚至正畸前后的软组织对比。但真正动手时你会发现，公开的舌头数据远没有息肉分割、视网膜血管那么丰富，很多团队卡在第一步：没有像素级标签。这份「2 类」数据集的价值就在于，它把问题简化成前景与背景，让你能快速验证 U-Net、DeepLabV3+ 这类结构在口腔场景下的收敛性，而不是一上来就纠结多类舌苔、舌质分类。适合谁？适合刚接触医学图像分割、想找一个体量可控、标注干净的二分类任务练手，或者需要快速搭一套舌头分割 baseline 的工程师。下面从数据组织、标签格式、可视化代码到训练踩坑，一步步拆开讲。
2. 舌头分割数据集的目录结构与标签文件格式：先看懂再动手
2.1 图像与掩码的对应关系怎么组织
常见做法是把原图和标签分两个文件夹平铺，文件名一一对应。比如images/下放tongue_001.jpg，masks/下放tongue_001.png。掩码是单通道 8 位灰度图，像素值只有 0 和 1（或 0 和 255），0 代表背景，非零代表舌体。这里有个容易翻车的点：有些标注工具导出的是调色板模式的 PNG，用 OpenCV 读出来是三通道，直接送进模型会报通道不匹配。我一般会在 Dataset 类里强制转成单通道，并做一次二值化。
import cv2 import numpy as np def load_mask(mask_path): # 以灰度模式读取，避免调色板 PNG 变成三通道 mask = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) if mask is None: raise FileNotFoundError(mask_path) # 统一二值化：大于 127 视为前景 mask = (mask > 127).astype(np.uint8) return mask逻辑说明：IMREAD_GRAYSCALE保证无论原图是 RGB 还是调色板，都压成单通道。> 127这个阈值不是玄学，是因为多数标注导出时前景为 255，背景为 0，取中间值最稳。参数上，如果你拿到的掩码前景是 1，那阈值改成> 0即可，但建议先统计一下唯一值再决定。
2.2 标签文件里可能藏着的三个坑
第一，掩码尺寸和原图不一致。有些流程会先缩放原图再标注，导致掩码比原图小一圈。训练前必须用cv2.resize把掩码最近邻插值回原图尺寸，千万别用双线性，否则边缘会出现 0.5 这种中间值。第二，文件名大小写或扩展名不统一，tongue_001.JPG和tongue_001.png在 Linux 下是两回事。第三，存在空掩码（全黑）或全前景的极端样本，这类样本在二分类里会让 loss 震荡，建议先统计前景像素占比，低于 0.5% 或高于 99.5% 的直接剔除。
import os import numpy as np import cv2 def check_mask_stats(mask_dir): ratios = [] for name in os.listdir(mask_dir): if not name.lower().endswith(('.png', '.jpg')): continue mask = cv2.imread(os.path.join(mask_dir, name), cv2.IMREAD_GRAYSCALE) if mask is None: continue fg = (mask > 127).sum() ratios.append(fg / mask.size) ratios = np.array(ratios) print(f"样本数: {len(ratios)}") print(f"前景占比 min/mean/max: {ratios.min():.4f}/{ratios.mean():.4f}/{ratios.max():.4f}") # 标记异常样本 bad = np.where((ratios < 0.005) | (ratios > 0.995))[0] print(f"建议剔除的异常索引: {bad[:20]}")这段脚本跑一遍，你就能对数据质量心里有数。参数上，0.005 和 0.995 是我在多个医学二分类任务里总结的经验阈值，不是硬标准，但能帮你快速定位那些「几乎全黑」或「几乎全白」的脏数据。
3. 用可视化代码把图像和标签叠在一起：肉眼验收比指标更早发现问题
3.1 叠加显示的最小实现
训练前把原图和掩码叠在一起看，是最省时间的验收手段。很多分割翻车不是模型不行，而是标签本身就错位了。下面这段代码把掩码以半透明红色叠在原图上，保存成对比图。
import cv2 import numpy as np import os def overlay_mask(image_path, mask_path, save_path, alpha=0.5): img = cv2.imread(image_path) mask = cv2.imread(mask_path, cv2.IMREAD_GRAYSCALE) if img is None or mask is None: print(f"读取失败: {image_path} 或 {mask_path}") return # 确保尺寸一致 if img.shape[:2] != mask.shape[:2]: mask = cv2.resize(mask, (img.shape[1], img.shape[0]), interpolation=cv2.INTER_NEAREST) binary = (mask > 127).astype(np.uint8) # 生成红色掩码层 color_mask = np.zeros_like(img) color_mask[:, :, 2] = binary * 255 # OpenCV 是 BGR，2 通道为红 # 叠加 overlay = cv2.addWeighted(img, 1 - alpha, color_mask, alpha, 0) cv2.imwrite(save_path, overlay) if __name__ == "__main__": img_dir = "images" mask_dir = "masks" out_dir = "vis" os.makedirs(out_dir, exist_ok=True) for name in os.listdir(img_dir)[:20]: # 先看前 20 张 stem = os.path.splitext(name)[0] mask_name = stem + ".png" overlay_mask( os.path.join(img_dir, name), os.path.join(mask_dir, mask_name), os.path.join(out_dir, stem + "_overlay.jpg") )逻辑说明：addWeighted的alpha控制掩码透明度，0.5 意味着原图和红色各占一半，既能看清舌体轮廓，又不至于盖住纹理。参数上，如果你发现红色区域明显偏移，先别怀疑代码，去检查掩码是不是被水平翻转或旋转过——标注工具导出时方向搞反是高频事故。
3.2 批量可视化时怎么快速定位错标
一张张看效率太低。我一般会生成一张网格图，把 16 张叠加结果拼成 4x4，一眼扫过去，错位的、漏标的、多标的都会跳出来。实现思路是用np.hstack和np.vstack拼图，注意每张图先 resize 到统一尺寸，否则拼接会报错。这一步做完，你基本能确定这份舌头分割数据集能不能直接开训，还是需要先返工清洗。
4. 训练舌头分割模型的参数怎么设：从 U-Net 到损失函数的取舍
4.1 输入尺寸与归一化的实际选择
舌头图像通常来自口内相机或手机拍摄，分辨率参差不齐。常见做法是统一缩放到 256x256 或 512x512。256 训练快，适合先跑通流程；512 能保留舌体边缘细节，但显存占用翻倍。归一化用 ImageNet 的均值和方差即可，因为多数 backbone 是在 ImageNet 上预训练的。注意掩码不要做归一化，只做 resize 和二值化。
import torch from torch.utils.data import Dataset import cv2 import numpy as np import os class TongueDataset(Dataset): def __init__(self, img_dir, mask_dir, size=256): self.img_dir = img_dir self.mask_dir = mask_dir self.size = size self.names = [n for n in os.listdir(img_dir) if n.lower().endswith(('.jpg', '.png'))] def __len__(self): return len(self.names) def __getitem__(self, idx): name = self.names[idx] stem = os.path.splitext(name)[0] img = cv2.imread(os.path.join(self.img_dir, name)) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) mask = cv2.imread(os.path.join(self.mask_dir, stem + ".png"), cv2.IMREAD_GRAYSCALE) img = cv2.resize(img, (self.size, self.size)) mask = cv2.resize(mask, (self.size, self.size), interpolation=cv2.INTER_NEAREST) img = img.astype(np.float32) / 255.0 mean = np.array([0.485, 0.456, 0.406]) std = np.array([0.229, 0.224, 0.225]) img = (img - mean) / std img = img.transpose(2, 0, 1) mask = (mask > 127).astype(np.float32) return torch.from_numpy(img).float(), torch.from_numpy(mask).unsqueeze(0).float()逻辑说明：INTER_NEAREST用于掩码 resize，保证不产生中间灰度值。unsqueeze(0)给掩码加通道维，变成[1, H, W]，和模型输出对齐。参数上，size根据你的显存来，8G 显存跑 512 的 U-Net batch size 大概只能到 4，跑 256 可以到 16。
4.2 损失函数选 BCE 还是 Dice
二分类舌头分割，前景占比通常不小，BCE 够用。但如果你的数据里舌体只占画面一小部分，Dice Loss 或 BCE+Dice 组合会更稳。我一般先用 BCE 跑一轮，看验证集 Dice 能不能过 0.9，过不了再换组合损失。优化器选 Adam，学习率 1e-3 起步，配合 ReduceLROnPlateau，耐心值设 5。指标别只看准确率，二分类里背景占大头，准确率容易虚高，盯住 Dice 和 IoU。
5. 舌头分割训练与推理的避坑排查：血泪经验五条
5.1 现象：loss 降到 0.1 但预测全是背景
原因：前景像素占比过低，模型学会了「全预测背景」这个偷懒解。解决：先统计前景占比，如果低于 5%，在损失里给前景加权，或者改用 Dice Loss。也可以过采样含舌体的样本。
5.2 现象：验证集 Dice 很高，但推理时边缘一塌糊涂
原因：训练时用了双线性插值 resize 掩码，导致边缘出现 0.3、0.7 这类值，模型学到的边界是模糊的。解决：掩码 resize 必须用最近邻，且二值化后再送网络。
5.3 现象：同一张图，OpenCV 读出来是 3 通道，PIL 读出来是单通道
原因：PNG 调色板模式在不同库里的解析行为不一致。解决：统一用cv2.IMREAD_GRAYSCALE读掩码，或者在 Dataset 里强制convert('L')。别混用库，否则你会花一晚上排查一个通道数问题。
5.4 现象：训练到一半 loss 突然变 NaN
原因：学习率太大，或者某张图里有全黑掩码导致 Dice 分母为零。解决：加梯度裁剪，学习率降到 1e-4，并在 Dataset 里过滤掉前景像素为 0 的样本。全黑掩码在 Dice Loss 里是定时炸弹。
5.5 现象：推理结果比验证时差很多
原因：推理时的预处理和训练时不一致，比如忘了归一化，或者 resize 的插值方式不同。解决：把预处理封装成一个函数，训练和推理共用同一份代码。别凭记忆手写两套。
6. 把舌头分割数据集用出进阶价值：伪标签与边缘后处理的组合技巧
当你用这份 2 类数据把 baseline 跑到 Dice 0.92 以上，下一步可以考虑半监督扩展。具体做法是：用当前模型对未标注的口腔图像做推理，取置信度高于 0.95 的区域作为伪标签，再人工抽检修正，扩充训练集。这个循环跑两三轮，通常能把 Dice 再推 1 到 2 个点。另一个技巧是推理后的边缘后处理：对模型输出的概率图做条件随机场（CRF）或者简单的形态学闭运算，能明显改善舌体边缘的毛刺。我一般先用cv2.morphologyEx做开运算去噪，再保留最大连通域，把零散的小预测块滤掉。
import cv2 import numpy as np def postprocess(prob_map, threshold=0.5, kernel_size=5): # prob_map: [H, W] 浮点概率图 binary = (prob_map > threshold).astype(np.uint8) # 开运算去噪 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (kernel_size, kernel_size)) opened = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel) # 保留最大连通域 num_labels, labels, stats, _ = cv2.connectedComponentsWithStats(opened, connectivity=8) if num_labels <= 1: return opened largest = 1 + np.argmax(stats[1:, cv2.CC_STAT_AREA]) result = (labels == largest).astype(np.uint8) return result逻辑说明：MORPH_OPEN先腐蚀后膨胀，能去掉孤立的噪点。connectedComponentsWithStats找出所有连通区域，取面积最大的那个，假设舌体是画面里最大的前景块。参数上，kernel_size根据你的分辨率调，256 的图用 3 到 5 就够，512 的图可以用 7。阈值 0.5 是默认值，如果你发现模型偏保守，可以降到 0.4 让边缘更完整。
这套组合拳打下来，一份看似简单的 2 类舌头分割数据集，能支撑从入门到半监督的完整链路。我自己踩过最深的坑是掩码通道数问题，白白浪费一晚上，希望帮到你。
本文还有配套的精品资源，点击获取
