Link to this sectionEl Önemli Noktaları (Hand Keypoints) Veri Kümesi#

Link to this sectionGiriş#

El önemli noktaları veri kümesi, önemli noktalarla etiketlenmiş 26.768 adet el görseli içerir ve bu da onu poz tahmini görevleri için Ultralytics YOLO gibi modelleri eğitmek için uygun hale getirir. Etiketler, yüksek doğruluk ve tutarlılık sağlamak amacıyla Google MediaPipe kütüphanesi kullanılarak oluşturulmuştur ve veri kümesi Ultralytics YOLO26 formatlarıyla uyumludur.

Link to this sectionEl İşaretleri#

Link to this sectionKeypoints#

Veri kümesi, el tespiti için önemli noktaları içerir. Önemli noktalar şu şekilde etiketlenmiştir:

1. Bilek
2. Başparmak (4 nokta)
3. İşaret parmağı (4 nokta)
4. Orta parmak (4 nokta)
5. Yüzük parmağı (4 nokta)
6. Serçe parmak (4 nokta)

Her el toplamda 21 önemli noktaya sahiptir.

Link to this sectionTemel Özellikler#

• Geniş Veri Kümesi: El önemli noktaları etiketlerine sahip 26.768 görsel.
• YOLO26 Uyumluluğu: Etiketler YOLO önemli nokta formatında sunulur ve YOLO26 modelleriyle kullanıma hazırdır.
• 21 Önemli Nokta: Bileği ve her parmak için dört noktayı kapsayan ayrıntılı el pozu gösterimi.

Link to this sectionVeri Kümesi Yapısı#

El önemli noktaları veri kümesi iki alt kümeye ayrılmıştır:

1. Train: Bu alt küme, el önemli noktaları veri kümesinden gelen ve poz tahmini modellerini eğitmek için etiketlenmiş 18.776 görsel içerir.
2. Val: Bu alt küme, model eğitimi sırasında doğrulama amacıyla kullanılabilecek 7.992 görsel içerir.

Link to this sectionUygulamalar#

El önemli noktaları; jest tanıma, AR/VR kontrolleri, robotik manipülasyon ve sağlık hizmetlerinde el hareketi analizi için kullanılabilir. Ayrıca animasyonlarda hareket yakalama ve güvenlik için biyometrik kimlik doğrulama sistemlerinde de uygulanabilirler. Parmak pozisyonlarının ayrıntılı takibi, sanal nesnelerle hassas etkileşimi ve temassız kontrol arayüzlerini mümkün kılar.

Link to this sectionVeri Kümesi YAML Dosyası#

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Bu dosya, veri kümesinin yolları, sınıfları ve diğer ilgili bilgiler hakkında veriler içerir. El Önemli Noktaları veri kümesi söz konusu olduğunda, hand-keypoints.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml adresinde tutulmaktadır.

# 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 sectionKullanım#

YOLO26n-pose modelini El Önemli Noktaları veri kümesi üzerinde 100 dönem boyunca 640 görsel boyutuyla eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına başvur.

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 sectionÖrnek Görüntüler ve Ek Açıklamalar#

El önemli noktaları veri kümesi, önemli noktalarla etiketlenmiş insan ellerine ait çeşitli görseller içerir. İşte veri kümesinden alınan görsellerin ve bunlara karşılık gelen etiketlerin bazı örnekleri:

• Mozaiklenmiş Görüntü: Bu görüntü, mozaiklenmiş veri seti görüntülerinden oluşan bir eğitim grubunu göstermektedir. Mozaikleme, eğitim sırasında her eğitim grubundaki nesne ve sahne çeşitliliğini artırmak için birden fazla görüntüyü tek bir görüntüde birleştiren bir tekniktir. Bu, modelin farklı nesne boyutlarına, en boy oranlarına ve bağlamlara genelleme yeteneğini geliştirmeye yardımcı olur.

Bu örnek, El Önemli Noktaları veri kümesindeki görsellerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozayikleme (mosaicing) kullanmanın faydalarını sergilemektedir.

Link to this sectionAlıntılar ve Teşekkür#

Eğer el önemli noktaları veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen aşağıdaki kaynakları belirt:

Ayrıca, Vision AI araştırmalarına büyük katkısından dolayı bu veri kümesinin oluşturucusu Rion Dsilva'ya teşekkürlerimizi sunarız.

Link to this sectionSSS#

Link to this sectionEl Önemli Noktaları veri kümesi üzerinde nasıl YOLO26 modeli eğitirim?#

El Önemli Noktaları veri kümesi üzerinde bir YOLO26 modeli eğitmek için Python veya komut satırı arayüzünü (CLI) kullanabilirsin. İşte 100 dönem boyunca 640 görsel boyutuyla bir YOLO26n-pose modeli eğitmek için bir örnek:

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)

Kullanılabilir bağımsız değişkenlerin kapsamlı bir listesi için model Eğitim sayfasına başvurabilirsin.

Link to this sectionEl Önemli Noktaları veri kümesinin temel özellikleri nelerdir?#

El Önemli Noktaları veri kümesi, gelişmiş poz tahmini görevleri için tasarlanmıştır ve birkaç temel özellik içerir:

• Geniş Veri Kümesi: El önemli noktaları etiketlerine sahip 26.768 görsel içerir.
• YOLO26 Uyumluluğu: YOLO26 modelleriyle kullanıma hazırdır.
• 21 Önemli Nokta: Bilek ve parmak eklemleri dahil olmak üzere ayrıntılı el pozu gösterimi.

Daha fazla ayrıntı için El Önemli Noktaları Veri Kümesi bölümünü keşfedebilirsin.

Link to this sectionHangi uygulamalar El Önemli Noktaları veri kümesini kullanmaktan fayda sağlayabilir?#

El Önemli Noktaları veri kümesi, aşağıdakiler dahil çeşitli alanlarda uygulanabilir:

• Jest Tanıma: İnsan-bilgisayar etkileşimini geliştirme.
• AR/VR Kontrolleri: Artırılmış ve sanal gerçeklikte kullanıcı deneyimini iyileştirme.
• Robotik Manipülasyon: Robotik ellerin hassas kontrolünü sağlama.
• Sağlık Hizmetleri: Tıbbi teşhis için el hareketlerini analiz etme.
• Animasyon: Gerçekçi animasyonlar için hareket yakalama.
• Biyometrik Kimlik Doğrulama: Güvenlik sistemlerini güçlendirme.

Daha fazla bilgi için Uygulamalar bölümüne başvur.

Link to this sectionEl Önemli Noktaları veri kümesi nasıl yapılandırılmıştır?#

El Önemli Noktaları veri kümesi iki alt kümeye ayrılmıştır:

1. Train: Poz tahmini modellerini eğitmek için 18.776 görsel içerir.
2. Val: Model eğitimi sırasında doğrulama amacıyla 7.992 görsel içerir.

Bu yapı, kapsamlı bir eğitim ve doğrulama süreci sağlar. Daha fazla ayrıntı için Veri Kümesi Yapısı bölümüne bak.

Link to this sectionEğitim için veri kümesi YAML dosyasını nasıl kullanırım?#

Veri kümesi yapılandırması, yolları, sınıfları ve diğer ilgili bilgileri içeren bir YAML dosyasında tanımlanır. hand-keypoints.yaml dosyası hand-keypoints.yaml adresinde bulunabilir.

Bu YAML dosyasını eğitim için kullanmak amacıyla, yukarıdaki eğitim örneğinde gösterildiği gibi eğitim betiğinde veya CLI komutunda belirt. Daha fazla ayrıntı için Veri Kümesi YAML bölümüne başvur.