Conjunto de dados de pontos-chave da mão#

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

Introdução#

O conjunto de dados de pontos-chave da mão do Ultralytics contém 26,768 imagens de mãos anotadas com 21 pontos-chave cada, geradas com a biblioteca Google MediaPipe para garantir alta precisão e consistência. Ele é compatível com os formatos do Ultralytics YOLO26 para treinar modelos de estimativa de pose.

Pontos-chave#

Cada mão é anotada com 21 pontos-chave, conforme listado a seguir:

1. Pulso
2. Polegar (4 pontos)
3. Dedo indicador (4 pontos)
4. Dedo médio (4 pontos)
5. Dedo anelar (4 pontos)
6. Dedo mínimo (4 pontos)

Estrutura do conjunto de dados#

• Total de imagens: 26,768 (18,776 train / 7,992 val).
• Classes: 1 (mão).
• Pontos-chave: 21 por mão, com trios (x, y, visibility).
• Tamanho do download: ~369 MB.

Para criar um vocabulário personalizado de gestos além dos pontos de referência genéricos da mão, a plataforma Ultralytics permite rotular e treinar seu próprio conjunto de dados pelo navegador.

Aplicações#

Os pontos-chave da mão permitem várias aplicações no mundo real:

• Reconhecimento de gestos: interação humano-computador e interfaces de controle sem toque.
• Controles de AR/VR: interação precisa com objetos virtuais.
• Manipulação robótica: controle preciso de mãos robóticas.
• Saúde: análise dos movimentos da mão para diagnósticos médicos.
• Animação: captura de movimento para movimentos realistas das mãos.
• Autenticação biométrica: sistemas de segurança baseados na geometria da mão.

YAML do conjunto de dados#

Um arquivo YAML é usado para definir a configuração do conjunto de dados. Ele contém informações sobre os caminhos, as classes e outros dados relevantes do conjunto de dados. No caso do conjunto de dados de pontos-chave da mão, o arquivo hand-keypoints.yaml é mantido em 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

Uso#

Para treinar um modelo YOLO26n-pose no conjunto de dados de pontos-chave da mão por 100 épocas com um tamanho de imagem de 640, você pode usar os seguintes trechos de código. Para consultar a lista completa de argumentos disponíveis, acesse a página de Treinamento do modelo.

from ultralytics import YOLO

# Carregar um modelo
model = YOLO("yolo26n-pose.pt")  # carregue um modelo pré-treinado (recomendado para treinamento)

# Treinar o modelo
results = model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640)

Imagens de exemplo e anotações#

O conjunto de dados de pontos-chave da mão contém um conjunto diversificado de imagens de mãos humanas anotadas com pontos-chave. Aqui estão alguns exemplos de imagens do conjunto de dados, junto com suas anotações correspondentes:

• Imagem em mosaico: esta imagem mostra um lote de treinamento composto por imagens do conjunto de dados organizadas em mosaico. A criação de mosaicos é uma técnica usada durante o treinamento que combina várias imagens numa só para aumentar a variedade de objetos e cenas em cada lote de treinamento. Isso ajuda a melhorar a capacidade do modelo de generalizar para diferentes tamanhos de objetos, proporções e contextos.

O exemplo mostra a variedade e a complexidade das imagens no conjunto de dados de pontos-chave da mão e os benefícios do uso de mosaicos durante o processo de treinamento.

Citações e agradecimentos#

Se você usar o conjunto de dados de pontos-chave da mão em sua pesquisa ou trabalho de desenvolvimento, agradeça às seguintes fontes:

Também gostaríamos de agradecer ao criador deste conjunto de dados, Rion Dsilva, por sua grande contribuição à pesquisa em IA para visão.

Perguntas frequentes#