El Anahtar Noktaları Veri Seti

Giriş

The hand-keypoints dataset contains 26,768 images of hands annotated with keypoints, making it suitable for training models like Ultralytics YOLO for pose estimation tasks. The annotations were generated using the Google MediaPipe library, ensuring high accuracy and consistency, and the dataset is compatible Ultralytics YOLO11 formats.

El İşaretleri

Anahtar Noktalar

Veri kümesi, el tespiti için anahtar noktalar içerir. Anahtar noktalar aşağıdaki gibi açıklanmıştır:

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

Her elde toplam 21 kilit nokta vardır.

Temel Özellikler

• Large Dataset: 26,768 images with hand keypoint annotations.
• YOLO11 Compatibility: Ready for use with YOLO11 models.
• 21 Keypoints: Detailed hand pose representation.

Veri Kümesi Yapısı

El anahtar noktası veri kümesi iki alt kümeye ayrılmıştır:

1. Train: This subset contains 18,776 images from the hand keypoints dataset, annotated for training pose estimation models.
2. Val: This subset contains 7992 images that can be used for validation purposes during model training.

Uygulamalar

El anahtar noktaları jest tanıma, AR/VR kontrolleri, robotik manipülasyon ve sağlık hizmetlerinde el hareketi analizi için kullanılabilir. Ayrıca hareket yakalama için animasyonda ve güvenlik için biyometrik kimlik doğrulama sistemlerinde de uygulanabilirler.

Veri Kümesi YAML

Veri kümesi yapılandırmasını tanımlamak için bir YAML (Yet Another Markup Language) dosyası kullanılır. Veri kümesinin yolları, sınıfları ve diğer ilgili bilgiler hakkında bilgi içerir. Hand Keypoints veri kümesi söz konusu olduğunda hand-keypoints.yaml dosyası şu adreste tutulur https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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: ../datasets/hand-keypoints # dataset root dir
train: train # train images (relative to 'path') 18776 images
val: 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

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/hand-keypoints.zip

Kullanım

To train a YOLO11n-pose model on the Hand Keypoints dataset for 100 epochs with an image size of 640, you can use the following code snippets. For a comprehensive list of available arguments, refer to the model Training page.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-pose.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo pose train data=hand-keypoints.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Örnek Görüntüler ve Açıklamalar

Hand keypoints veri kümesi, insan ellerinin anahtar noktalarla açıklandığı çeşitli görüntüler içerir. İşte veri kümesinden bazı görüntü örnekleri ve bunlara karşılık gelen açıklamalar:

• Mozaiklenmiş Görüntü: Bu görüntü, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubunu göstermektedir. Mozaikleme, eğitim sırasında kullanılan ve her bir 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, Hand Keypoints veri setindeki görüntülerin çeşitliliğini ve karmaşıklığını ve eğitim sürecinde mozaikleme kullanmanın faydalarını göstermektedir.

Atıflar ve Teşekkür

Araştırma veya geliştirme çalışmalarınızda el anahtar noktaları veri setini kullanırsanız, lütfen aşağıdaki kaynaklara teşekkür edin:

We would also like to acknowledge the creator of this dataset, Rion Dsilva, for his great contribution to Vision AI research.

SSS

Hand Keypoints veri kümesi üzerinde bir YOLO11 modelini nasıl eğitebilirim?

Hand Keypoints veri setinde bir YOLO11 modelini eğitmek için Python adresini veya komut satırı arayüzünü (CLI) kullanabilirsiniz. İşte 640 görüntü boyutuyla 100 epok için bir YOLO11n-pose modelini eğitmek için bir örnek:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n-pose.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="hand-keypoints.yaml", epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo pose train data=hand-keypoints.yaml model=yolo11n-pose.pt epochs=100 imgsz=640

Mevcut argümanların kapsamlı bir listesi için model Eğitim sayfasına bakın.

Hand Keypoints veri setinin temel özellikleri nelerdir?

Hand Keypoints veri kümesi, gelişmiş poz tahmini görevleri için tasarlanmıştır ve birkaç temel özellik içerir:

• Large Dataset: Contains 26,768 images with hand keypoint annotations.
• YOLO11 Compatibility: Ready for use with YOLO11 models.
• 21 Keypoints: Detailed hand pose representation, including wrist and finger joints.

For more details, you can explore the Hand Keypoints Dataset section.

Hand Keypoints veri setini kullanarak hangi uygulamalardan faydalanabilirsiniz?

Hand Keypoints veri seti, aşağıdakiler de dahil olmak üzere çeşitli alanlarda uygulanabilir:

• Gesture Recognition: Enhancing human-computer interaction.
• AR/VR Controls: Improving user experience in augmented and virtual reality.
• Robotic Manipulation: Enabling precise control of robotic hands.
• Healthcare: Analyzing hand movements for medical diagnostics.
• Animation: Capturing motion for realistic animations.
• Biometric Authentication: Enhancing security systems.

For more information, refer to the Applications section.

Hand Keypoints veri seti nasıl yapılandırılmıştır?

Hand Keypoints veri kümesi iki alt kümeye ayrılmıştır:

1. Train: Contains 18,776 images for training pose estimation models.
2. Val: Contains 7,992 images for validation purposes during model training.

This structure ensures a comprehensive training and validation process. For more details, see the Dataset Structure section.

Eğitim için veri kümesi YAML dosyasını nasıl kullanırım?

Veri kümesi yapılandırması, yolları, sınıfları ve diğer ilgili bilgileri içeren bir YAML dosyasında tanımlanır. Veri kümesi hand-keypoints.yaml file can be found at hand-keypoints.yaml.

To use this YAML file for training, specify it in your training script or CLI command as shown in the training example above. For more details, refer to the Dataset YAML section.

📅 Created 1 month ago ✏️ Updated 1 month ago

Yorumlar