مجموعة بيانات نقاط مفاصل اليد#

26,677

Hand Keypoints

ultralytics

publicPose

Hand Keypoints is Rion Dsilva's pose dataset built from three credited gesture collections with MediaPipe annotations. Each image labels one hand with 21 landmarks and visibility, supporting articulated pose estimation across hand shapes, gestures, viewpoints, and backgrounds.

21 class297.5 MBSep 2, 2026

hand

posehandskeypoints+2

مقدمة#

تحتوي مجموعة بيانات نقاط مفاصل اليد من Ultralytics على 26,768 صورة لأيدٍ مشروحة بـ21 نقطة مفصلية لكل يد، وقد أُنشئت باستخدام مكتبة Google MediaPipe لتحقيق دقة واتساق مرتفعين. وهي متوافقة مع تنسيقات Ultralytics YOLO26 لتدريب نماذج تقدير الوضعية.

النقاط المفصلية#

تُشرح كل يد باستخدام 21 نقطة مفصلية كما يلي:

1. المعصم
2. الإبهام (4 نقاط)
3. السبابة (4 نقاط)
4. الإصبع الأوسط (4 نقاط)
5. البنصر (4 نقاط)
6. الخنصر (4 نقاط)

بنية مجموعة البيانات#

• إجمالي الصور: 26,768 (18,776 للتدريب / 7,992 للتحقق).
• الفئات: 1 (يد).
• النقاط المفصلية: 21 لكل يد مع ثلاثيات (x, y, visibility).
• حجم التنزيل: ~369 ميغابايت.

لإنشاء مفردات مخصصة للإيماءات تتجاوز معالم اليد العامة، تتولى Ultralytics Platform وضع التسميات وتدريب مجموعة بياناتك الخاصة من المتصفح.

التطبيقات#

تدعم نقاط مفاصل اليد العديد من التطبيقات الواقعية:

• التعرّف على الإيماءات: التفاعل بين الإنسان والحاسوب وواجهات التحكم دون لمس.
• عناصر تحكم AR/VR: التفاعل الدقيق مع الكائنات الافتراضية.
• المعالجة الروبوتية: التحكم الدقيق في الأيدي الروبوتية.
• الرعاية الصحية: تحليل حركة اليد لأغراض التشخيص الطبي.
• الرسوم المتحركة: التقاط الحركة لإنتاج حركة واقعية لليد.
• المصادقة البيومترية: أنظمة أمان تعتمد على هندسة اليد.

YAML مجموعة البيانات#

يُستخدم ملف YAML لتعريف إعدادات مجموعة البيانات. ويحتوي على معلومات حول مسارات مجموعة البيانات وفئاتها وغيرها من المعلومات ذات الصلة. وفي حالة مجموعة بيانات نقاط مفاصل اليد، تتم صيانة الملف hand-keypoints.yaml في https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Hand Keypoints dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/pose/hand-keypoints
# Example usage: yolo train data=hand-keypoints.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── hand-keypoints ← downloads here (369 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: hand-keypoints # dataset root dir
train: images/train # train images (relative to 'path') 18776 images
val: images/val # val images (relative to 'path') 7992 images

# Keypoints
kpt_shape: [21, 3] # number of keypoints, number of dims (2 for x,y or 3 for x,y,visible)
flip_idx: [0, 1, 2, 4, 3, 10, 11, 12, 13, 14, 5, 6, 7, 8, 9, 15, 16, 17, 18, 19, 20]

# Classes
names:
  0: hand

# Keypoint names per class
kpt_names:
  0:
    - wrist
    - thumb_cmc
    - thumb_mcp
    - thumb_ip
    - thumb_tip
    - index_mcp
    - index_pip
    - index_dip
    - index_tip
    - middle_mcp
    - middle_pip
    - middle_dip
    - middle_tip
    - ring_mcp
    - ring_pip
    - ring_dip
    - ring_tip
    - pinky_mcp
    - pinky_pip
    - pinky_dip
    - pinky_tip

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/hand-keypoints.zip

الاستخدام#

لتدريب نموذج YOLO26n-pose على مجموعة بيانات نقاط مفاصل اليد لمدة 100 حقبة وبحجم صور يبلغ 640، يمكنك استخدام مقتطفات التعليمات البرمجية التالية. للحصول على قائمة شاملة بالوسائط المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-pose.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640)

الصور والتعليقات التوضيحية النموذجية#

تحتوي مجموعة بيانات نقاط مفاصل اليد على مجموعة متنوعة من الصور لأيدٍ بشرية مشروحة بالنقاط المفصلية. فيما يلي بعض أمثلة الصور من مجموعة البيانات، إلى جانب تسمياتها التوضيحية المقابلة:

• الصورة الموزاييكية: توضح هذه الصورة دفعة تدريب مكوّنة من صور موزاييكية من مجموعة البيانات. والموزاييك تقنية تُستخدم أثناء التدريب وتجمع صورًا متعددة في صورة واحدة لزيادة تنوع الأجسام والمشاهد ضمن كل دفعة تدريب. ويساعد ذلك على تحسين قدرة النموذج على التعميم على أحجام الأجسام ونِسَب العرض إلى الارتفاع والسياقات المختلفة.

يوضح المثال تنوع الصور وتعقيدها في مجموعة بيانات نقاط مفاصل اليد، وفوائد استخدام الفسيفساء أثناء عملية التدريب.

الاقتباسات والشكر والتقدير#

إذا استخدمت مجموعة بيانات نقاط مفاصل اليد في أعمالك البحثية أو التطويرية، يُرجى الإشارة إلى المصادر التالية:

كما نود الإقرار بفضل منشئ مجموعة البيانات هذه، Rion Dsilva، على إسهامه الكبير في أبحاث الذكاء الاصطناعي للرؤية الحاسوبية.

الأسئلة الشائعة#