Link to this sectionНабор данных ключевых точек кисти#

Link to this sectionВведение#

Набор данных Hand Keypoints от Ultralytics содержит 26 768 изображений кистей рук, каждое из которых размечено 21 ключевой точкой, сгенерированными с помощью библиотеки Google MediaPipe для обеспечения высокой точности и согласованности. Он совместим с форматами Ultralytics YOLO26 для обучения моделей оценки позы.

Link to this sectionКлючевые точки#

Каждая кисть руки размечена 21 ключевой точкой следующим образом:

1. Запястье
2. Большой палец (4 точки)
3. Указательный палец (4 точки)
4. Средний палец (4 точки)
5. Безымянный палец (4 точки)
6. Мизинец (4 точки)

Link to this sectionСтруктура набора данных#

• Всего изображений: 26 768 (18 776 обучающих / 7 992 валидационных).
• Классы: 1 (кисть руки).
• Ключевые точки: 21 на кисть руки с триплетами (x, y, visibility).
• Размер загрузки: ~369 МБ.

Для создания пользовательского словаря жестов, выходящего за рамки стандартных ориентиров кисти, используй Ultralytics Platform, которая позволяет выполнять разметку и обучение собственного набора данных прямо в браузере.

Link to this sectionПрименение#

Ключевые точки кисти поддерживают несколько практических применений:

• Распознавание жестов: взаимодействие человека с компьютером и бесконтактные интерфейсы управления.
• Управление в AR/VR: точное взаимодействие с виртуальными объектами.
• Роботизированные манипуляции: высокоточное управление роботизированными руками.
• Здравоохранение: анализ движений рук для медицинской диагностики.
• Анимация: захват движения для реалистичной анимации рук.
• Биометрическая аутентификация: системы безопасности, основанные на геометрии кисти руки.

Link to this sectionYAML набора данных#

Для определения конфигурации набора данных используется YAML-файл. Он содержит информацию о путях к набору данных, классах и другие важные сведения. В случае с набором данных Hand Keypoints файл hand-keypoints.yaml находится по адресу 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

Link to this sectionИспользование#

Чтобы обучить модель YOLO26n-pose на наборе данных Hand Keypoints в течение 100 эпох с размером изображения 640, ты можешь использовать следующие фрагменты кода. Полный список доступных аргументов см. на странице Обучение модели.

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)

Link to this sectionПримеры изображений и аннотации#

Набор данных Hand Keypoints содержит разнообразный набор изображений с человеческими руками, размеченными ключевыми точками. Ниже приведены примеры изображений из набора данных вместе с соответствующими аннотациями:

• Мозаичное изображение: это изображение демонстрирует обучающий пакет, составленный из мозаично собранных изображений. Мозаика — это техника, используемая во время обучения, которая объединяет несколько изображений в одно, чтобы увеличить разнообразие объектов и сцен в каждом обучающем пакете. Это помогает улучшить способность модели к обобщению при работе с объектами различных размеров, соотношений сторон и контекстов.

Этот пример демонстрирует разнообразие и сложность изображений в наборе данных Hand Keypoints, а также преимущества использования мозаики в процессе обучения.

Link to this sectionЦитирование и благодарности#

Если ты используешь набор данных Hand Keypoints в своих исследованиях или разработках, пожалуйста, укажи следующие источники:

Мы также хотели бы поблагодарить создателя этого набора данных, Rion Dsilva, за его большой вклад в исследования Vision AI.

Link to this sectionFAQ#

Link to this sectionКак обучить модель YOLO26 на наборе данных Hand Keypoints?#

Загрузи yolo26n-pose.pt и вызови model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640) — смотри Пример обучения выше для получения полных фрагментов кода на Python и CLI, а также страницу Обучение для получения полного списка аргументов.

Link to this sectionВ чем заключаются преимущества использования набора данных Hand Keypoints?#

Благодаря 26 768 размеченным изображениям и 21 ключевой точке на каждую кисть, сгенерированным с помощью Google MediaPipe, набор данных Hand Keypoints предоставляет моделям оценки позы масштаб и точность разметки, необходимые для задач продвинутой оценки позы. Смотри раздел Ключевые точки для получения подробного описания ориентиров.

Link to this sectionДля каких приложений может быть полезен набор данных Hand Keypoints?#

Hand Keypoints поддерживает распознавание жестов, управление AR/VR, роботизированные манипуляции, анализ движений в здравоохранении, анимацию и биометрическую аутентификацию — подробности по каждому пункту см. в разделе Приложения.

Link to this sectionКак структурирован набор данных Hand Keypoints?#

Набор данных Hand Keypoints разделен на два подмножества:

1. Train: Содержит 18 776 изображений для обучения моделей оценки позы.
2. Val: Содержит 7 992 изображения для целей валидации во время обучения модели.

Эта структура обеспечивает комплексный процесс обучения и валидации. Для получения более подробной информации см. раздел Структура набора данных.

Link to this sectionКак использовать файл YAML набора данных для обучения?#

Конфигурация набора данных определяется в файле YAML, который включает пути, классы и другую актуальную информацию. Файл hand-keypoints.yaml можно найти по ссылке hand-keypoints.yaml.

Чтобы использовать этот файл YAML для обучения, укажи его в своем скрипте обучения или команде CLI, как показано в примере обучения выше. Для получения более подробной информации обратись к разделу Dataset YAML.