손 키포인트 데이터셋#

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

소개#

Ultralytics 손 키포인트 데이터셋에는 손마다 키포인트 21개가 표시된 이미지 26,768개가 포함되어 있습니다. 높은 정확도와 일관성을 위해 Google MediaPipe 라이브러리를 사용해 생성되었습니다. 포즈 추정 모델 학습을 위한 Ultralytics YOLO26 형식과 호환됩니다.

키포인트#

각 손에는 다음과 같이 키포인트 21개가 주석으로 표시됩니다:

1. 손목
2. 엄지(4개 포인트)
3. 검지(4개 포인트)
4. 중지(4개 포인트)
5. 약지(4개 포인트)
6. 새끼손가락(4개 포인트)

데이터셋 구조#

• 총 이미지 수: 26,768개(학습 18,776개 / 검증 7,992개).
• 클래스: 1개(hand).
• 키포인트: 손 하나당 21개이며, (x, y, visibility) 튜플로 구성됩니다.
• 다운로드 크기: ~369 MB.

일반적인 손 랜드마크를 넘어서는 커스텀 제스처 어휘를 구축하려는 경우, Ultralytics Platform에서 브라우저를 통해 자체 데이터셋의 레이블 지정과 학습을 처리할 수 있습니다.

응용 분야#

손 키포인트는 다음과 같은 여러 실제 활용 분야를 지원합니다:

• 제스처 인식: 인간-컴퓨터 상호작용 및 비접촉식 제어 인터페이스.
• AR/VR 제어: 가상 객체와 정밀하게 상호작용.
• 로봇 조작: 로봇 손을 세밀하게 제어.
• 의료: 의료 진단을 위한 손 움직임 분석.
• 애니메이션: 사실적인 손 움직임을 위한 모션 캡처.
• 생체 인증: 손의 기하학적 형태를 기반으로 하는 보안 시스템.

데이터셋 YAML#

데이터셋 구성을 정의하는 데 YAML 파일을 사용합니다. YAML 파일에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함됩니다. Hand Keypoints 데이터셋의 경우 hand-keypoints.yaml 파일이 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml에 유지 관리됩니다.

# 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

사용법#

이미지 크기 640, 에폭 100으로 Hand Keypoints 데이터셋에서 YOLO26n-pose 모델을 학습하려면 다음 코드 예제를 사용할 수 있습니다. 사용 가능한 인수 전체 목록은 모델 학습 페이지를 참조하세요.

from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26n-pose.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).

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

샘플 이미지 및 어노테이션#

Hand Keypoints 데이터셋에는 키포인트가 주석으로 표시된 사람 손 이미지가 다양하게 포함되어 있습니다. 다음은 데이터셋 이미지와 해당 주석의 몇 가지 예입니다:

• 모자이크 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이크 처리는 학습 중 여러 이미지를 하나의 이미지로 결합해 각 학습 배치에 포함되는 객체와 장면의 다양성을 높이는 기법입니다. 이 기법은 모델이 다양한 객체 크기, 종횡비 및 맥락에 일반화하는 능력을 향상하는 데 도움이 됩니다.

이 예시는 Hand Keypoints 데이터셋 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이크를 사용하는 이점을 보여줍니다.

인용 및 감사의 글#

연구 또는 개발 작업에 Hand Keypoints 데이터셋을 사용하는 경우, 다음 출처를 밝혀 주세요:

또한 Vision AI 연구에 크게 기여해 주신 이 데이터셋의 제작자 Rion Dsilva에게 감사의 말씀을 전합니다.

자주 묻는 질문#