ハンドキーポイントデータセット#

26,677

Hand Keypoints

ultralytics

publicPose

Official Ultralytics Hand Keypoints pose dataset created by Rion Dsilva using Google MediaPipe annotations from the credited 11k Hands, 2000 Hand Gestures, and Gesture Recognition sources. This reviewed release has 26,677 globally unique images (18,724 train / 7,953 validation), one hand instance per image, and 21 x/y/visibility keypoints per hand; exact duplicates and cross-split leakage were removed and out-of-frame coordinates clipped.

11 class297.5 MBAug 21, 2026

hand

posehandskeypoints+2

はじめに#

Ultralytics Hand Keypoints データセットには、Google MediaPipe ライブラリを使用して生成された、21個のキーポイントがアノテーションされた26,768枚の手の画像が含まれており、高い精度と一貫性を実現しています。ポーズ推定モデルのトレーニング用の Ultralytics YOLO26 形式と互換性があります。

Keypoints#

各手には、以下のように21個のキーポイントがアノテーションされています。

1. 手首
2. 親指（4ポイント）
3. 人差し指（4ポイント）
4. 中指（4ポイント）
5. 薬指（4ポイント）
6. 小指（4ポイント）

データセットの構造#

• 合計画像数: 26,768枚（トレーニング用18,776枚 / 検証用7,992枚）。
• クラス: 1（手）。
• キーポイント: 手ごとに21個、(x, y, visibility) のトリプレットが含まれます。
• ダウンロードサイズ: 約369 MB。

一般的な手のランドマークを超えたカスタムジェスチャー語彙が必要な場合、Ultralytics Platform を使用してブラウザから独自のデータセットのラベリングとトレーニングを行うことができます。

アプリケーション#

Hand Keypointsは、いくつかの実世界のアプリケーションをサポートしています。

• ジェスチャー認識: ヒューマンコンピュータインタラクションおよび非接触型コントロールインターフェース。
• AR/VR コントロール: 仮想オブジェクトとの精密なインタラクション。
• ロボット操作: ロボットハンドのきめ細やかな制御。
• ヘルスケア: 医療診断のための手の動きの分析。
• アニメーション: リアルな手の動きのためのモーションキャプチャ。
• 生体認証: 手の形状に基づいたセキュリティシステム。

データセット YAML#

データセットの設定を定義するには YAML ファイルを使用します。これには、データセットのパス、クラス、およびその他の関連情報が含まれます。Hand Keypoints データセットの場合、hand-keypoints.yaml ファイルは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml で管理されています。

# 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

使用方法#

画像サイズ640で100エポック、Hand Keypoints データセットで YOLO26n-pose モデルをトレーニングするには、以下のコードスニペットを使用できます。利用可能な引数の詳細なリストについては、モデルのトレーニングページを参照してください。

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)

サンプル画像とアノテーション#

Hand Keypointsデータセットには、キーポイントがアノテーションされた人間の手の画像が多様に含まれています。以下は、データセット内の画像とその対応するアノテーションの例です。

• モザイク画像: この画像は、モザイク処理されたデータセット画像で構成されるトレーニングバッチを示しています。モザイク処理は、トレーニング中に複数の画像を1つの画像に結合し、各トレーニングバッチ内のオブジェクトやシーンの多様性を高める技術です。これにより、さまざまなオブジェクトのサイズ、アスペクト比、およびコンテキストに対してモデルが汎化する能力を向上させます。

この例では、ハンドキーポイントデータセットの画像の多様性と複雑さ、およびトレーニングプロセス中にモザイキングを使用する利点を示しています。

引用と謝辞#

研究や開発作業でHand Keypointsデータセットを使用する場合は、以下のソースを明記してください。

また、Vision AI の研究に対する多大な貢献に対し、このデータセットの作成者である Rion Dsilva 氏に感謝いたします。

よくある質問 (FAQ)#