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

Link to this sectionGiriş#

The Ultralytics Hand Keypoints dataset contains 26,768 images of hands annotated with 21 keypoints each, generated using the Google MediaPipe library for high accuracy and consistency. It's compatible with Ultralytics YOLO26 formats for training pose estimation models.

Link to this sectionAnahtar Noktalar (Keypoints)#

Her el aşağıdaki gibi 21 anahtar nokta ile işaretlenmiştir:

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

Link to this sectionVeri Kümesi Yapısı#

• Toplam görüntü: 26.768 (18.776 eğitim / 7.992 doğrulama).
• Sınıflar: 1 (el).
• Anahtar noktalar: El başına (x, y, visibility) üçlüleri ile 21 adet.
• İndirme boyutu: ~369 MB.

Genel el işaretlerinin ötesinde özel bir jest sözlüğü için Ultralytics Platform, kendi veri kümeni tarayıcı üzerinden etiketlemeni ve eğitmeni sağlar.

Link to this sectionUygulamalar#

El anahtar noktaları çeşitli gerçek dünya uygulamalarını destekler:

• Jest tanıma: insan-bilgisayar etkileşimi ve temassız kontrol arayüzleri.
• AR/VR kontrolleri: sanal nesnelerle hassas etkileşim.
• Robotik manipülasyon: robotik ellerin hassas kontrolü.
• Sağlık hizmetleri: tıbbi teşhisler için el hareketi analizi.
• Animasyon: gerçekçi el hareketleri için hareket yakalama.
• Biyometrik kimlik doğrulama: el geometrisine dayalı güvenlik sistemleri.

Link to this sectionVeri Kümesi YAML#

Veri seti yapılandırmasını tanımlamak için bir YAML dosyası kullanılır. Bu dosya, veri setinin yolları, sınıfları ve diğer ilgili bilgiler hakkında veriler içerir. Hand Keypoints veri seti özelinde, 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#

Bir YOLO26n-pose modelini El Önemli Noktaları veri kümesinde 100 epoch boyunca 640 görüntü boyutu ile eğitmek için aşağıdaki kod parçalarını kullanabilirsin. Kullanılabilir argümanların kapsamlı bir listesi için Eğitim sayfası modeline bak.

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#

Hand Keypoints veri kümesi, anahtar noktalarla işaretlenmiş insan ellerini içeren çok çeşitli görüntüler barındırır. İşte veri kümesindeki görüntülerin ve ilgili ek açıklamalarının bazı örnekleri:

• Mozaiklenmiş Görüntü: Bu görüntü, mozaiklenmiş veri kümesi 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 yapma yeteneğini geliştirmeye yardımcı olur.

Bu örnek, El Önemli Noktaları veri kümesindeki görüntülerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozaikleme kullanmanın avantajlarını sergilemektedir.

Link to this sectionAlıntılar ve Teşekkür#

Hand Keypoints veri kümesini araştırma veya geliştirme çalışmalarında kullanırsan, lütfen aşağıdaki kaynakları belirt:

Ayrıca, bu veri kümesinin oluşturucusu Rion Dsilva'ya, Vision AI araştırmasına yaptığı büyük katkıdan dolayı teşekkür etmek isteriz.

Link to this sectionSSS#

Link to this sectionEl Önemli Noktaları veri kümesinde nasıl YOLO26 modeli eğitebilirim?#

yolo26n-pose.pt dosyasını yükle ve model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640) komutunu çalıştır — tam Python ve CLI kod parçacıkları için yukarıdaki Eğitim Örneği kısmına ve argümanların kapsamlı bir listesi için model Eğitim sayfasına bak.

Link to this sectionHand Keypoints veri kümesini kullanmanın avantajları nelerdir?#

Google MediaPipe aracılığıyla oluşturulan 26.768 etiketli görüntü ve el başına 21 anahtar nokta ile Hand Keypoints veri kümesi, poz tahmin modellerine gelişmiş poz tahmini görevleri için gereken ölçeği ve etiketleme doğruluğunu sağlar. İşaret noktalarının tam dökümü için Anahtar Noktalar bölümüne bak.

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

Hand Keypoints; jest tanıma, AR/VR kontrolleri, robotik manipülasyon, sağlık hareket analizi, animasyon ve biyometrik kimlik doğrulamayı destekler — her biri hakkında ayrıntılı bilgi için Uygulamalar bölümüne bak.

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

El Önemli Noktaları veri kümesi iki alt kümeye ayrılmıştır:

1. Train: Duruş tahmini modellerini eğitmek için 18.776 görüntü içerir.
2. Val: Model eğitimi sırasında doğrulama amaçlı 7.992 görüntü 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; yollar, sınıflar 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 bak.