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

Link to this sectionGiriş#

El önemli noktaları (keypoints) veri kümesi, duruş tahmini görevleri için Ultralytics YOLO gibi modelleri eğitmek üzere uygun olan, önemli noktalarla etiketlenmiş 26.768 adet el görüntüsü içerir. Etiketler, yüksek doğruluk ve tutarlılık sağlamak amacıyla Google MediaPipe kütüphanesi kullanılarak oluşturulmuştur ve veri kümesi Ultralytics YOLO26 formatlarıyla uyumludur.

Link to this sectionEl İşaretleri (Landmarks)#

Link to this sectionAnahtar Noktalar (Keypoints)#

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

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)

Her el toplam 21 önemli noktaya sahiptir.

Link to this sectionTemel Özellikler#

• Büyük Veri Kümesi: El önemli noktaları etiketlerine sahip 26.768 görüntü.
• YOLO26 Uyumluluğu: Etiketler YOLO önemli nokta formatında sunulur ve YOLO26 modelleriyle kullanıma hazırdır.
• 21 Önemli Nokta: Bilek ve parmak başına dört noktayı kapsayan ayrıntılı el duruşu temsili.

Link to this sectionVeri Kümesi Yapısı#

El önemli noktaları veri kümesi iki alt kümeye ayrılmıştır:

1. Train: Bu alt küme, duruş tahmini modellerini eğitmek için etiketlenmiş, el önemli noktaları veri kümesinden 18.776 görüntü içerir.
2. Val: Bu alt küme, model eğitimi sırasında doğrulama amaçlı kullanılabilecek 7.992 görüntü içerir.

Link to this sectionUygulamalar#

El anahtar noktaları; hareket tanıma, AR/VR kontrolleri, robotik manipülasyon ve sağlık sektöründe el hareketi analizi için kullanılabilir. Ayrıca hareket yakalama için animasyonda ve güvenlik amacıyla biyometrik kimlik doğrulama sistemlerinde uygulanabilirler. Parmak konumlarının ayrıntılı takibi, sanal nesnelerle hassas etkileşimi ve temassız kontrol arayüzlerini mümkün kılar.

Link to this sectionVeri Kümesi YAML#

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Bu dosya; veri kümesinin yolları, sınıfları ve diğer ilgili bilgileri hakkında bilgiler 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#

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#

El önemli noktaları veri kümesi, önemli noktalarla etiketlenmiş insan ellerine sahip çeşitli görüntüler içerir. İşte veri kümesinden bazı görüntü örnekleri ve bunlara karşılık gelen etiketler:

• 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#

Araştırma veya geliştirme çalışmalarında hand-keypoints veri kümesini 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?#

El Önemli Noktaları veri kümesinde bir YOLO26 modeli eğitmek için Python'u veya komut satırı arayüzünü (CLI) kullanabilirsin. İşte 100 epoch boyunca 640 görüntü boyutu ile 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)

Mevcut argümanların kapsamlı bir listesi için Eğitim sayfası modeline başvur.

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

Hand Keypoints veri seti, gelişmiş pose estimation görevleri için tasarlanmıştır ve çeşitli önemli özellikler içerir:

• Büyük Veri Kümesi: El önemli noktaları etiketlerine sahip 26.768 görüntü içerir.
• YOLO26 Uyumluluğu: YOLO26 modelleriyle kullanıma hazırdır.
• 21 Önemli Nokta: Bilek ve parmak eklemleri dahil olmak üzere ayrıntılı el duruşu temsili.

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

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

El Önemli Noktaları veri kümesi aşağıdakiler dahil olmak üzere çeşitli alanlarda uygulanabilir:

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

Daha fazla 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.