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

Punti chiave#

Ogni mano è annotata con 21 keypoint, 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 train / 7.992 val).
• Classi: 1 (mano).
• Keypoint: 21 per mano, con triplette (x, y, visibility).
• Dimensioni del download: ~369 MB.

Se ti serve un vocabolario personalizzato di gesti che vada oltre i punti di riferimento generici della mano, Ultralytics Platform gestisce l'etichettatura e il training del tuo dataset direttamente dal browser.

Applicazioni#

I keypoint della mano supportano diverse applicazioni nel 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 preciso delle mani robotiche.
• Assistenza sanitaria: analisi dei movimenti della mano per la diagnosi medica.
• Animazione: acquisizione del movimento per animare le mani in modo realistico.
• Autenticazione biometrica: sistemi di sicurezza basati sulla geometria della mano.

YAML del dataset#

Un file YAML definisce la configurazione del dataset. Contiene informazioni sui percorsi, le classi e altri dati pertinenti del dataset. Per il dataset dei keypoint della mano, il file hand-keypoints.yaml è mantenuto in 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 keypoint della mano per 100 epoche con una dimensione delle immagini di 640, puoi usare i seguenti snippet di codice. Per l'elenco completo degli argomenti disponibili, consulta la pagina Training del modello.

from ultralytics import YOLO

# Carica un modello
model = YOLO("yolo26n-pose.pt")  # carica un modello preaddestrato (consigliato per l'addestramento)

# Addestra il modello
results = model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640)

Immagini di esempio e annotazioni#

Il dataset dei keypoint della mano contiene una raccolta eterogenea di immagini di mani umane annotate con keypoint. 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 in un mosaico. La creazione di mosaici è una tecnica utilizzata durante l'addestramento che combina più immagini in una sola per aumentare la varietà di oggetti e scene in ogni batch di addestramento. Questo aiuta a migliorare la capacità del modello di generalizzare a oggetti di dimensioni e proporzioni diverse e a contesti differenti.

L'esempio mostra la varietà e la complessità delle immagini del dataset dei keypoint della mano e i vantaggi dell'uso del mosaico durante il processo di training.

Citazioni e ringraziamenti#

Se usi il dataset dei keypoint della mano nel tuo lavoro di ricerca o sviluppo, riconosci il contributo delle seguenti fonti:

Desideriamo inoltre ringraziare il creatore di questo dataset, Rion Dsilva, per il suo importante contributo alla ricerca sull'IA per la visione.

Domande frequenti#