Link to this sectionНабор данных ключевых точек кисти#

Link to this sectionВведение#

Набор данных hand-keypoints содержит 26 768 изображений кистей рук, аннотированных ключевыми точками, что делает его подходящим для обучения таких моделей, как Ultralytics YOLO, задачам оценки позы. Аннотации были созданы с помощью библиотеки Google MediaPipe, что обеспечивает высокую точность и согласованность, а сам набор данных совместим с форматами Ultralytics YOLO26.

Link to this sectionОриентиры кисти#

Link to this sectionКлючевые точки#

Набор данных включает ключевые точки для обнаружения кисти. Ключевые точки аннотированы 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)

Каждая кисть имеет в общей сложности 21 ключевую точку.

Link to this sectionКлючевые особенности#

• Большой набор данных: 26 768 изображений с аннотациями ключевых точек кисти.
• Совместимость с YOLO26: Разметка поставляется в формате ключевых точек YOLO и готова к использованию с моделями YOLO26.
• 21 ключевая точка: Детальное представление позы кисти, охватывающее запястье и четыре точки на каждом пальце.

Link to this sectionСтруктура набора данных#

Набор данных ключевых точек кисти разделен на два подмножества:

1. Train: Это подмножество содержит 18 776 изображений из набора данных ключевых точек кисти, аннотированных для обучения моделей оценки позы.
2. Val: Это подмножество содержит 7 992 изображения, которые можно использовать для целей валидации во время обучения модели.

Link to this sectionПрименение#

Ключевые точки рук можно использовать для распознавания жестов, управления в AR/VR, робототехники и анализа движений рук в здравоохранении. Они также применяются в анимации для захвата движений и в системах биометрической аутентификации для обеспечения безопасности. Детальное отслеживание положения пальцев позволяет точно взаимодействовать с виртуальными объектами и интерфейсами бесконтактного управления.

Link to this sectionYAML набора данных#

Для определения конфигурации набора данных используется файл YAML (Yet Another Markup Language). Он содержит информацию о путях к данным, классах и другую релевантную информацию. В случае набора данных Hand Keypoints файл hand-keypoints.yaml поддерживается 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 человеческих кистей, аннотированных ключевыми точками. Вот несколько примеров изображений из этого 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?#

Для обучения модели YOLO26 на наборе данных Hand Keypoints ты можешь использовать либо Python, либо интерфейс командной строки (CLI). Вот пример обучения модели YOLO26n-pose в течение 100 эпох с размером изображения 640:

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)

Для получения полного списка доступных аргументов обратись к странице Обучение модели.

Link to this sectionКаковы ключевые особенности набора данных Hand Keypoints?#

Набор данных Hand Keypoints предназначен для продвинутых задач оценки позы и включает в себя несколько ключевых особенностей:

• Большой набор данных: Содержит 26 768 изображений с аннотациями ключевых точек кисти.
• Совместимость с YOLO26: Готов к использованию с моделями YOLO26.
• 21 ключевая точка: Детальное представление позы кисти, включая суставы запястья и пальцев.

Для получения более подробной информации ты можешь изучить раздел Набор данных Hand Keypoints.

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

Набор данных Hand Keypoints может применяться в различных областях, включая:

• Распознавание жестов: Улучшение взаимодействия человека и компьютера.
• Управление в AR/VR: Повышение пользовательского опыта в дополненной и виртуальной реальности.
• Роботизированные манипуляции: Обеспечение точного контроля роботизированных рук.
• Здравоохранение: Анализ движений кисти для медицинской диагностики.
• Анимация: Захват движения для реалистичной анимации.
• Биометрическая аутентификация: Усиление систем безопасности.

Для получения дополнительной информации обратись к разделу 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.