손 키포인트 데이터셋#

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

소개#

Ultralytics Hand Keypoints 데이터셋은 높은 정확도와 일관성을 위해 Google MediaPipe 라이브러리를 사용하여 생성된, 각각 21개의 키포인트가 주석으로 지정된 26,768장의 손 이미지로 구성됩니다. 이 데이터셋은 포즈 추정 모델을 학습하기 위한 Ultralytics YOLO26 포맷과 호환됩니다.

Keypoints#

각 손은 다음과 같이 21개의 키포인트로 주석이 달려 있습니다:

1. 손목
2. 엄지손가락 (4개 포인트)
3. 검지손가락 (4개 포인트)
4. 중지손가락 (4개 포인트)
5. 약지손가락 (4개 포인트)
6. 새끼손가락 (4개 포인트)

데이터셋 구조#

• 전체 이미지: 26,768개 (훈련 세트 18,776개 / 검증 세트 7,992개).
• 클래스: 1개 (손).
• 키포인트: (x, y, visibility) 삼중항을 포함하여 손당 21개.
• 다운로드 크기: 약 369 MB.

일반적인 손 랜드마크를 넘어선 커스텀 제스처 어휘가 필요한 경우, Ultralytics Platform을 사용하여 브라우저에서 직접 나만의 데이터셋에 라벨을 지정하고 학습할 수 있습니다.

응용 분야#

Hand Keypoints는 여러 실제 응용 분야를 지원합니다:

• 제스처 인식: 인간-컴퓨터 상호작용 및 비접촉식 제어 인터페이스.
• AR/VR 제어: 가상 객체와의 정밀한 상호작용.
• 로봇 조작: 로봇 손의 세밀한 제어.
• 의료: 의학적 진단을 위한 손 움직임 분석.
• 애니메이션: 사실적인 손 움직임을 위한 모션 캡처.
• 생체 인증: 손 기하학 기반 보안 시스템.

데이터셋 YAML#

데이터셋 구성은 YAML 파일을 사용하여 정의됩니다. 이 파일에는 데이터셋의 경로, 클래스 및 기타 관련 정보가 포함됩니다. Hand Keypoints 데이터셋의 경우, hand-keypoints.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml에서 유지관리됩니다.

# 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 640으로 Hand Keypoints 데이터셋에서 YOLO26n-pose 모델을 100 에폭 동안 학습하려면 다음 코드 스니펫을 사용할 수 있습니다. 사용 가능한 인수에 대한 전체 목록은 모델 학습 페이지를 참조하세요.

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)

샘플 이미지 및 주석#

Hand Keypoints 데이터셋은 키포인트가 주석으로 달린 사람 손의 다양한 이미지 세트를 포함합니다. 다음은 데이터셋 이미지 예시와 해당 주석입니다:

• 모자이크 처리된 이미지: 이 이미지는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 모자이킹은 학습 중에 여러 이미지를 하나의 이미지로 결합하여 각 학습 배치 내의 객체와 장면의 다양성을 높이는 데 사용되는 기술입니다. 이는 모델이 다양한 객체 크기, 종횡비 및 맥락에 일반화할 수 있는 능력을 향상시키는 데 도움이 됩니다.

이 예시는 손 키포인트 데이터셋에 포함된 이미지의 다양성과 복잡성, 그리고 학습 과정에서 모자이크(mosaicing)를 사용할 때의 이점을 보여줍니다.

인용 및 감사의 글#

연구 또는 개발 작업에 Hand Keypoints 데이터셋을 사용하는 경우, 다음 출처를 명시해 주시기 바랍니다:

또한 Vision AI 연구에 큰 기여를 한 이 데이터셋의 제작자인 Rion Dsilva에게 감사를 표합니다.

FAQ#