El Önemli Noktaları (Keypoints) Veri Kümesi#

Giriş#

Ultralytics El Ek Noktaları veri kümesi, yüksek doğruluk ve tutarlılık için Google MediaPipe kitaplığı kullanılarak oluşturulmuş, her biri 21 ek noktasıyla etiketlenmiş 26.768 el görüntüsü içerir. Poz tahmin modellerini eğitmek için Ultralytics YOLO26 formatlarıyla uyumludur.

Anahtar 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)

Veri Kümesi Yapısı#

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

Genel el işaretlerinin ötesinde özel bir hareket kelime dağarcığı için Ultralytics Platform, tarayıcı üzerinden kendi veri setinizi etiketlemeyi ve eğitmeyi yönetir.

Uygulamalar#

El anahtar noktaları çeşitli gerçek dünya uygulamalarını destekler:

• Hareket 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.

Veri Kümesi YAML#

Veri seti yapılandırmasını tanımlamak için bir YAML dosyası kullanılır. Veri setinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgi içerir. Hand Keypoints veri seti 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

Kullanım#

640 görsel boyutuyla Hand Keypoints veri setinde 100 dönem boyunca bir YOLO26n-pose modeli eğitmek için aşağıdaki kod parçacıklarını kullanabilirsin. Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına göz at.

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)

Örnek 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.

Alıntılar ve Teşekkür#

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

Ayrıca Vision AI araştırmalarına yaptığı büyük katkı için bu veri setinin yaratıcısı Rion Dsilva'ya teşekkür ederiz.

SSS#

El Önemli Noktaları veri kümesinde nasıl YOLO26 modeli eğitebilirim?#

yolo26n-pose.pt yükle ve model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640) çağır — eksiksiz Python ve CLI kod parçacıkları için yukarıdaki Eğitim Örneği bölümüne ve argümanların kapsamlı bir listesi için model Eğitim sayfasına bakın.

Hand Keypoints veri kümesini kullanmanın avantajları nelerdir?#

Google MediaPipe aracılığıyla oluşturulan 26.768 etiketli görsel ve el başına 21 anahtar nokta ile Hand Keypoints veri seti, poz tahmini modellerine gelişmiş poz tahmini görevleri için gereken ölçeği ve etiketleme doğruluğunu sağlar. Dönüm noktalarının tamamı için Anahtar Noktalar bölümüne bakın.

Hangi uygulamalar El Önemli Noktaları veri kümesini kullanmaktan yararlanabilir?#

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

El 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 Seti Yapısı bölümüne bakın.

Eğitim için veri kümesi YAML dosyasını nasıl kullanırım?#

Veri seti 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 üzere, yukarıdaki eğitim örneğinde gösterildiği gibi eğitim betiğinde veya CLI komutunda belirtin. Daha fazla ayrıntı için Veri Seti YAML bölümüne bakın.