Dataset dei punti chiave della mano#

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

Introduzione#

Il dataset dei punti chiave della mano di Ultralytics contiene 26.768 immagini di mani annotate con 21 punti chiave ciascuna, generate utilizzando la libreria Google MediaPipe per garantire elevata accuratezza e coerenza. È compatibile con i formati di Ultralytics YOLO26 per addestrare modelli di stima della posa.

Punti chiave#

Ogni mano è annotata con 21 punti chiave, come segue:

1. Polso
2. Pollice (4 punti)
3. Indice (4 punti)
4. Medio (4 punti)
5. Anulare (4 punti)
6. Mignolo (4 punti)

Struttura del dataset#

• Immagini totali: 26.768 (18.776 per il train / 7.992 per la val).
• Classi: 1 (mano).
• Punti chiave: 21 per mano con triplette (x, y, visibility).
• Dimensioni del download: ~369 MB.

Per un vocabolario di gesti personalizzato che vada oltre i punti di riferimento generici della mano, Ultralytics Platform gestisce l'annotazione e l'addestramento del tuo dataset direttamente dal browser.

Applicazioni#

I punti chiave della mano supportano diverse applicazioni del mondo reale:

• Riconoscimento dei gesti: interazione uomo-computer e interfacce di controllo senza contatto.
• Controlli AR/VR: interazione precisa con oggetti virtuali.
• Manipolazione robotica: controllo dettagliato delle mani robotiche.
• Sanità: analisi dei movimenti della mano per la diagnostica medica.
• Animazione: acquisizione del movimento per movimenti realistici della mano.
• Autenticazione biometrica: sistemi di sicurezza basati sulla geometria della mano.

YAML del dataset#

Un file YAML viene utilizzato per definire la configurazione del dataset. Contiene informazioni sui percorsi del dataset, sulle classi e su altre informazioni rilevanti. Nel caso del dataset dei punti chiave della mano, il file hand-keypoints.yaml è mantenuto all'indirizzo 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

Utilizzo#

Per addestrare un modello YOLO26n-pose sul dataset dei punti chiave della mano per 100 epoche con una dimensione delle immagini di 640, puoi utilizzare i seguenti frammenti di codice. Per un elenco completo degli argomenti disponibili, consulta la pagina di addestramento del modello.

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)

Immagini ed esempi di annotazioni#

Il dataset dei punti chiave della mano contiene un insieme diversificato di immagini con mani umane annotate con punti chiave. Ecco alcuni esempi di immagini del dataset, insieme alle relative annotazioni:

• Immagine a mosaico: questa immagine mostra un batch di addestramento composto da immagini del dataset unite a mosaico. La composizione a mosaico è una tecnica utilizzata durante l'addestramento che combina più immagini in un'unica immagine per aumentare la varietà di oggetti e scene all'interno di ogni batch di addestramento. Questo contribuisce a migliorare la capacità del modello di generalizzare a diverse dimensioni degli oggetti, proporzioni e contesti.

L'esempio mostra la varietà e la complessità delle immagini nel dataset dei punti chiave della mano e i vantaggi dell'utilizzo della mosaicatura durante il processo di addestramento.

Citazioni e ringraziamenti#

Se utilizzi il dataset dei punti chiave della mano nelle tue attività di ricerca o sviluppo, cita le seguenti fonti:

Desideriamo inoltre riconoscere il contributo dell'autore di questo dataset, Rion Dsilva, per il suo prezioso contributo alla ricerca sull'AI per la visione artificiale.

FAQ#