Datasets:

wcpsoft
/

YOLO_digits640

pretty_name: YOLO_digits640（合成数字检测集 / Synthetic Digits Detection）
language:
  - en
  - zh
tags:
  - object-detection
  - synthetic-data
  - digits
  - yolo
task_categories:
  - object-detection
tasks:
  - image-object-detection
license: apache-2.0
configs:
  - config_name: default
    data_files:
      - split: train
        path: data/train.jsonl
      - split: val
        path: data/val.jsonl

MNIST 合成数字数据集（640×640） / Synthetic MNIST Digits Dataset

由本项目 YOLOv5 合成器（data/scripts/make_digit_images.py）全合成的数字（0–9）数据集：多字体矢量渲染 + MNIST 手写体放大着色双产线；模式为 multi（检测向，每图 2–5 目标 + 形近干扰字符）。所有图像均为本项目生成，MNIST 原始素材仅作为渲染数据源（源级零泄漏：train 只用官方 60k train，val 只用官方 10k test）。

用途 / Use cases

目标检测 / 识别训练与微调（YOLO 格式，train.py --data yolo.yaml 直接可用）
数字 OCR 方向基准与演示（见 assets/ 预览样例）
与真实数据混训、域迁移实验

数据构成 / Contents

尺寸：640×640 PNG；类别：0–9（10 类）
标注：YOLO 归一化 txt（labels/）+ COCO JSON（annotations/，随源目录存在时）
生成可复现：seed 0；溯源参数见 annotations/generation_manifest.json
数据包校验和 dataset_fingerprint：cbf5325c306abd761a582adededb5e031f485b068bdcae15d8369bf436bb09ed（在本 fork 仓库内复算：python3 -c "import sys;sys.path.insert(0,'data/scripts');from pathlib import Path;from make_digit_images import dataset_fingerprint;print(dataset_fingerprint(Path('<本目录>')))"；跨机器只有该值相同才算同一数据包）

split	图片数	目标数	每图目标	每类目标数
train	5000	17511	2–5	0: 1744, 1: 1763, 2: 1778, 3: 1758, 4: 1773, 5: 1769, 6: 1813, 7: 1617, 8: 1734, 9: 1762
val	200	689	2–5	0: 67, 1: 69, 2: 65, 3: 78, 4: 67, 5: 74, 6: 68, 7: 63, 8: 65, 9: 73

目录结构 / Layout

YOLO_digits640/
├── README.md
├── dataset_infos.json
├── yolo.yaml          (multi 模式)
├── data/                  train.jsonl / val.jsonl（样本级索引，供平台解析与预览）
├── images/{train,val}/   *.png
├── labels/{train,val}/   *.txt
├── annotations/           COCO + generation_manifest.json
└── assets/                preview.png / sample_train_*.png

样本索引 / Sample index（`data/*.jsonl`）

每行一个样本（JSON）：image（相对本包的图片路径）、split、width/height、 objects（[{cls, bbox}]，bbox 为归一化 xywh，与 labels/*.txt 逐行同序同值）、 n_objects、primary_line（font 字体矢量渲染 / mnist MNIST 放大着色）、background、 distractor_chars（该图上的形近干扰字符，按设计不标注，故不出现在 objects 与 labels/*.txt 里）。

快速使用 / Quick start（本仓库 fork，yaml 的 path 按项目根解析）

# 1) 取回本包（二选一），放到 yolov5 项目根下的 datasets/YOLO_digits640/
modelscope download --dataset wcpsoft/YOLO_digits640 --local_dir datasets/YOLO_digits640
hf download wcpsoft/YOLO_digits640 --repo-type=dataset --local-dir datasets/YOLO_digits640
# 2) 训练：包内 yolo.yaml 的 path 已写成 datasets/YOLO_digits640，落在上述位置即命中
python train.py --data datasets/YOLO_digits640/yolo.yaml \
    --weights yolov5n.pt --img 640 --epochs 120 --batch-size 64 --device 0

放在别处时，把 yolo.yaml 里的 path 改成该目录的绝对路径即可。

生成方式 / Reproduction

python3 data/scripts/make_digit_images.py --per-class-train 500 --per-class-val 20 --seed 0 --out datasets/mnist/generated/digits640_p500

上传 / Upload（访问令牌只走环境变量或 --token，MUST NOT 写进文件）

# HuggingFace：huggingface_hub>=1.x 的 CLI 是 hf；--repo-type 默认 model，数据集必须显式指定
hf upload wcpsoft/YOLO_digits640 <本包目录> . --repo-type=dataset --token "$HF_TOKEN"
# 魔搭：选项是 --repo-type dataset，没有 --dataset 这个写法
modelscope upload wcpsoft/YOLO_digits640 <本包目录> . --repo-type dataset

License

本数据集（图像与标注均由本项目合成生成）以 Apache License 2.0 发布。需知悉：其中约一半数字目标由 MNIST 手写体放大着色而来，属 MNIST 的衍生内容；本包不含 MNIST 原始文件， MNIST 自身的许可条款以其来源页为准（Yann LeCun / Corinna Cortes）。