Bộ dữ liệu keypoint bàn tay#

26,677

Hand Keypoints

ultralytics

publicPose

Hand Keypoints is Rion Dsilva's pose dataset built from three credited gesture collections with MediaPipe annotations. Each image labels one hand with 21 landmarks and visibility, supporting articulated pose estimation across hand shapes, gestures, viewpoints, and backgrounds.

21 class297.5 MBSep 2, 2026

hand

posehandskeypoints+2

Giới thiệu#

Bộ dữ liệu keypoint bàn tay của Ultralytics chứa 26,768 hình ảnh bàn tay được gán nhãn 21 keypoint mỗi hình, tạo bằng thư viện Google MediaPipe để đảm bảo độ chính xác và tính nhất quán cao. Bộ dữ liệu tương thích với các định dạng Ultralytics YOLO26 để huấn luyện model ước tính tư thế.

Keypoints#

Mỗi bàn tay được gán nhãn 21 keypoint như sau:

1. Cổ tay
2. Ngón cái (4 điểm)
3. Ngón trỏ (4 điểm)
4. Ngón giữa (4 điểm)
5. Ngón áp út (4 điểm)
6. Ngón út (4 điểm)

Cấu trúc dataset#

• Tổng số hình ảnh: 26,768 (18,776 train / 7,992 val).
• Lớp: 1 (hand).
• Keypoint: 21 keypoint mỗi bàn tay, với các bộ ba (x, y, visibility).
• Dung lượng tải xuống: ~369 MB.

Nếu cần bộ từ vựng cử chỉ tùy chỉnh vượt ngoài các điểm mốc bàn tay thông thường, Ultralytics Platform hỗ trợ gán nhãn và huấn luyện bộ dữ liệu của riêng bạn ngay trên trình duyệt.

Ứng dụng#

Keypoint bàn tay hỗ trợ một số ứng dụng thực tế:

• Nhận dạng cử chỉ: tương tác người-máy và giao diện điều khiển không chạm.
• Điều khiển AR/VR: tương tác chính xác với các vật thể ảo.
• Thao tác robot: điều khiển bàn tay robot với độ chính xác cao.
• Chăm sóc sức khỏe: phân tích chuyển động bàn tay để hỗ trợ chẩn đoán y khoa.
• Hoạt họa: ghi lại chuyển động để tạo chuyển động bàn tay chân thực.
• Xác thực sinh trắc học: hệ thống bảo mật dựa trên hình dạng bàn tay.

YAML của dataset#

Tệp YAML được dùng để xác định cấu hình bộ dữ liệu. Tệp này chứa thông tin về đường dẫn, lớp và các thông tin liên quan khác của bộ dữ liệu. Với bộ dữ liệu keypoint bàn tay, tệp hand-keypoints.yaml được duy trì tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/hand-keypoints.yaml.

# 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

Cách sử dụng#

Để huấn luyện model YOLO26n-pose trên bộ dữ liệu keypoint bàn tay trong 100 epoch với kích thước ảnh 640, bạn có thể dùng các đoạn mã sau. Để xem danh sách đầy đủ các tham số hiện có, hãy tham khảo trang Huấn luyện của model.

from ultralytics import YOLO

# Tải model
model = YOLO("yolo26n-pose.pt")  # tải model đã huấn luyện trước (được khuyến nghị khi huấn luyện)

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

Hình ảnh mẫu và annotation#

Bộ dữ liệu keypoint bàn tay chứa nhiều hình ảnh đa dạng có bàn tay người được gán nhãn keypoint. Dưới đây là một số hình ảnh trong bộ dữ liệu cùng với các chú thích tương ứng:

• Ảnh ghép Mosaic: Hình ảnh này minh họa một batch huấn luyện được tạo từ các ảnh mosaic của bộ dữ liệu. Mosaic là kỹ thuật được sử dụng trong quá trình huấn luyện, kết hợp nhiều hình ảnh thành một hình ảnh duy nhất để tăng sự đa dạng của đối tượng và bối cảnh trong mỗi batch huấn luyện. Kỹ thuật này giúp cải thiện khả năng tổng quát hóa của model đối với các kích thước đối tượng, tỷ lệ khung hình và ngữ cảnh khác nhau.

Ví dụ này cho thấy sự đa dạng và phức tạp của hình ảnh trong bộ dữ liệu keypoint bàn tay cũng như lợi ích của việc ghép ảnh mosaic trong quá trình huấn luyện.

Trích dẫn và lời cảm ơn#

Nếu sử dụng bộ dữ liệu keypoint bàn tay trong nghiên cứu hoặc phát triển, vui lòng ghi nhận các nguồn sau:

Chúng tôi cũng xin ghi nhận đóng góp to lớn của tác giả bộ dữ liệu này, Rion Dsilva, cho nghiên cứu AI thị giác.

Câu hỏi thường gặp#