---
title: YOLO_digits640
canonical_url: "https://www.modelscope.cn/datasets/wcpsoft/YOLO_digits640"
md_url: "https://www.modelscope.cn/datasets/wcpsoft/YOLO_digits640.md"
repository: wcpsoft/YOLO_digits640
chinese_name: "Yolo0-9数字数据集640尺寸"
last_updated: 2026-09-02
license: apache-2.0
storage_size: "371 MB"
downloads: 106032
stars: 1
---

# YOLO_digits640

> YOLO_digits640 - wcpsoft 在 ModelScope 开源的数据集。MNIST 合成数字数据集（640×640） / Synthetic MNIST Digits Dataset

wcpsoft/YOLO_digits640 是 ModelScope 魔搭社区上的数据集，存储大小 371 MB，采用 apache-2.0 许可。

- **Repository**: wcpsoft/YOLO_digits640
- **License**: apache-2.0
- **Storage size**: 371 MB
- **Downloads**: 106032
- **Stars**: 1
- **Last updated**: 2026-09-02

Source: https://www.modelscope.cn/datasets/wcpsoft/YOLO_digits640

---

# 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）
```bash
# 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
```bash
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）
```bash
# 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）。