مجموعة بيانات النقاط المفتاحية لليد#

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 النقاط المفتاحية لليد من Ultralytics على 26,768 صورة للأيدي، مشروحة بـ21 نقطة مفتاحية لكل يد، وقد أُنشئت باستخدام مكتبة Google MediaPipe لضمان دقة واتساق عاليين. وهي متوافقة مع تنسيقات Ultralytics YOLO26 لتدريب نماذج تقدير الوضعيات.

النقاط المفتاحية#

تُشرح كل يد باستخدام 21 نقطة مفتاحية على النحو التالي:

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

بنية مجموعة البيانات#

• إجمالي الصور: 26,768 (18,776 للتدريب / 7,992 للتحقق).
• الفئات: فئة واحدة (اليد).
• النقاط المفتاحية: 21 لكل يد، ضمن ثلاثيات (x, y, visibility).
• حجم التنزيل: ~369 MB.

إذا كنت تريد إعداد مفردات إيماءات مخصصة تتجاوز معالم اليد العامة، تتولى منصة Ultralytics تصنيف مجموعة بياناتك وتدريبها من المتصفح.

التطبيقات#

تدعم النقاط المفتاحية لليد عدة تطبيقات في العالم الحقيقي:

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

ملف YAML لمجموعة البيانات#

يُستخدم ملف YAML لتحديد إعدادات مجموعة البيانات. ويتضمن معلومات حول مسارات مجموعة البيانات وفئاتها وغيرها من المعلومات ذات الصلة. في حالة مجموعة بيانات النقاط المفتاحية لليد، يُحافَظ على 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 النقاط المفتاحية لليد لمدة 100 حقبة وبحجم صورة 640، يمكنك استخدام مقتطفات الشيفرة التالية. للاطلاع على قائمة شاملة بالوسيطات المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n-pose.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

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

صور وتعليقات توضيحية نموذجية#

تحتوي مجموعة بيانات النقاط المفتاحية لليد على مجموعة متنوعة من الصور التي تتضمن أيديًا بشرية مشروحة بنقاط مفتاحية. فيما يلي بعض الأمثلة على صور من مجموعة البيانات، إلى جانب التعليقات التوضيحية المقابلة لها:

• صورة فسيفسائية: توضح هذه الصورة دفعة تدريب مكوّنة من صور مجموعة البيانات بعد دمجها بتقنية الفسيفساء. الفسيفساء تقنية تُستخدم أثناء التدريب، وتجمع صوراً متعددة في صورة واحدة لزيادة تنوع الكائنات والمشاهد في كل دفعة تدريب. ويساعد ذلك على تحسين قدرة النموذج على التعميم على أحجام الكائنات ونسب أبعادها وسياقاتها المختلفة.

يوضح المثال تنوع الصور وتعقيدها في مجموعة بيانات النقاط المفتاحية لليد، وفوائد استخدام تقنية الفسيفساء أثناء عملية التدريب.

الاستشهادات والشكر والتقدير#

إذا استخدمت مجموعة بيانات النقاط المفتاحية لليد في أبحاثك أو أعمال التطوير، فيُرجى الإقرار بالمصادر التالية:

ونود أيضًا أن نعرب عن تقديرنا لمنشئ مجموعة البيانات هذه، Rion Dsilva، لمساهمته الكبيرة في أبحاث الذكاء الاصطناعي للرؤية.

الأسئلة الشائعة#