Pill Recognition Using Minimal Labeled Data

Digital Science - Figshare2026-03-27 更新2026-03-28 收录

数据链接：

https://curate.curtin.edu.au/articles/conference_contribution/Pill_Recognition_Using_Minimal_Labeled_Data/31679968 数据链接链接失效反馈

官方服务：

资源简介：

Pill Recognition Using Minimal Labeled Data

创建时间：

2026-03-27

ePillID

药片识别

医学图像分析

ePillID是由微软医疗创建的大型公开基准，专注于药片图像识别，包含13,000张图像，代表9,804个外观类别。数据集主要来源于美国国立卫生研究院的Pillbox数据集，通过专业设备在控制环境下拍摄。创建过程中，数据集面临了收集和标注的高成本及监管障碍。ePillID的应用领域主要在于医疗环境中，旨在通过图像识别技术减少药物误用和提高药物管理的准确性。

arXiv2020-09-08 更新3650

FC100

小样本学习

影像数据

FC100是一个用于小样本学习（Few-Shot Learning）的数据集，包含100个类别，每个类别有600张图像。该数据集主要用于评估模型在少量标注数据情况下的学习能力。

github.com430

YBXL/PubmedSumm_five_shot_dy_test

生物医学文献摘要

小样本学习

--- configs: - config_name: default data_files: - split: train path: data/train-* - split: valid path: data/valid-* - split: test path: data/test-* dataset_info: features: - na

Hugging Face2024-07-08 更新90

FewCLUE

小样本学习

自然语言处理

FewCLUE是首个系统全面的中文小样本学习评测基准，由中文自然语言处理评测团队创建。该数据集包含九个任务，涵盖单句分类、句子对分类及机器阅读理解等多种自然语言理解任务。数据集通过精心设计，旨在以少量标注数据评估模型性能，支持零样本和半监督学习研究。FewCLUE的应用领域广泛，旨在推动中文小样本学习技术的发展，解决实际场景中标注数据稀缺的问题。

arXiv2021-09-30 更新2340

FSS-1000 小样本图片分割数据集

小样本学习

图像识别

FSS-1000 是一个小样本分割的数据集，包含 1000 个类。该数据集探究仅通过 5 张人工标注的图像，训练模型完成图像识别任务。数据集包含大量在以前的数据集中，从未出现过或标注过的物体，如日常小物件、商品、卡通人物、 logo 等。

超神经2022-10-12 更新360