Pharmaceutical Drugs and Vitamins Synthetic Images
Dataset synthétique d’images de médicaments et vitamines, organisé en 10 classes, utile pour la classification visuelle en apprentissage automatique.
20'000 images JPEG, 10 classes, annotations COCO, env. 256 Mo
CC BY-SA 3.0
Description
Le dataset Pharmaceutical Drugs and Vitamins Synthetic Images contient environ 20 000 images synthétiques représentant des pilules et compléments couramment distribués aux Philippines. Réparties en 10 classes, les images sont conçues pour des tâches de classification visuelle, avec des annotations COCO permettant l’usage dans des pipelines avancés de vision par ordinateur.
À quoi sert ce dataset ?
- Entraîner des modèles de classification d’images médicales de pilules
- Tester des algorithmes de détection sur des données synthétiques avant usage réel
- Créer des applications éducatives sur les médicaments
Peut-on l’enrichir ou l’améliorer ?
Oui. Il est possible d’augmenter les données avec des techniques de transformation (zoom, rotation, luminosité), de croiser avec des bases réelles pour une approche mixte, ou d’intégrer des labels plus détaillés (dosage, couleur, forme). Le dataset pourrait aussi être utilisé pour tester des modèles d’analyse multicatégorie via les annotations COCO.
🔎 En résumé
🧠 Recommandé pour
- Étudiants en vision par ordinateur
- Tests sur données synthétiques
- Projets éducatifs en santé numérique
🔧 Outils compatibles
- PyTorch
- TensorFlow
- FastAI
- Roboflow
- Ultralytics YOLOv8
💡 Astuce
Utilisez ce dataset comme pré-étape avant de passer à des jeux de données médicaux validés pour des usages cliniques ou commerciaux sérieux.
Peut-on l’enrichir ou l’améliorer ?
Oui. Il est possible d’augmenter les données avec des techniques de transformation (zoom, rotation, luminosité), de croiser avec des bases réelles pour une approche mixte, ou d’intégrer des labels plus détaillés (dosage, couleur, forme). Le dataset pourrait aussi être utilisé pour tester des modèles d’analyse multicatégorie via les annotations COCO.
🔎 En résumé
🧠 Recommandé pour
- Étudiants en vision par ordinateur
- Tests sur données synthétiques
- Projets éducatifs en santé numérique
🔧 Outils compatibles
- PyTorch
- TensorFlow
- FastAI
- Roboflow
- Ultralytics YOLOv8
💡 Astuce
Utilisez ce dataset comme pré-étape avant de passer à des jeux de données médicaux validés pour des usages cliniques ou commerciaux sérieux.
Questions fréquemment posées
Ce dataset contient-il des images réelles ou synthétiques ?
Ce sont des images synthétiques générées pour simuler des pilules et vitamines, utiles à des fins éducatives et techniques.
Peut-on utiliser ce dataset pour un projet médical en production ?
Non, il est destiné uniquement à des usages éducatifs ou exploratoires, sans validation médicale officielle.
Les annotations COCO permettent-elles la détection ou juste la classification ?
Les annotations permettent les deux : classification supervisée et localisation pour modèles détecteurs comme YOLO ou Faster R-CNN.
