首页 > 其他分享 >手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)

时间:2023-12-28 14:37:27浏览次数:30  
标签:检测 手部 Hand 关键点 数据 链接 标注


手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)

目录

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)

1. 前言

2. 手部检测数据集:

(1)Hand-voc1

(2)Hand-voc2

(3)Hand-voc3

 (4)手部目标框可视化效果

 3. 手部关键点数据集

(1)HandPose-v1

(2)HandPose-v2

(3)HandPose-v3

(4)手部关键点可视化效果

4. 手部检测和手部关键点数据集下载

5. 手部关键点检测(Python/C++/Android)


1. 前言

项目《手部关键点检测(手部姿势估计)》使用YOLOv5模型实现手部检测,使用HRNet,LiteHRNet和Mobilenet-v2模型实现手部关键点检测。本篇是项目《手部关键点检测(手部姿势估计)》系列文章数据集说明。项目收集了三个手部检测数据集和三个手部关键点数据集:

  • 手部检测数据集(Hand Detection Dataset)共收集了三个:Hand-voc1,Hand-voc2和Hand-voc3,总共60000+张图片;标注格式统一转换为VOC数据格式,标注名称为hand,可用于深度学习手部目标检测模型算法开发
  • 手部关键点数据集(Hand Keypoints Dataset,Hand Pose Estimation共收集了三个:分别为HandPose-v1,HandPose-v2和HandPose-v3,总共80000+张图片,标注了手部21个关键点,可用于深度学习手部姿态检测模型算法开发。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点数据集

 【尊重原则,转载请注明出处】 

  Android手部关键点检测(手部姿势估计)APP Demo体验:

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_02

  

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点检测_03


更多项目《手部关键点检测(手部姿势估计)》系列文章请参考:

  • 手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)
  • 手部关键点检测2:YOLOv5实现手部检测(含训练代码和数据集)
  • 手部关键点检测3:Pytorch实现手部关键点检测(手部姿势估计)含训练代码和数据集
  • 手部关键点检测4:Android实现手部关键点检测(手部姿势估计)含源码 可实时检测
  • 手部关键点检测5:C++实现手部关键点检测(手部姿势估计)含源码 可实时检测

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点检测_04


2. 手部检测数据集:

项目已经收集了三个手部检测数据集(Hand Detection Dataset):Hand-voc1,Hand-voc2和Hand-voc3,总共60000+张图片

(1)Hand-voc1

Hand-voc1手部检测数据集,该数据来源于国外开源数据集,大部分数据是室内摄像头摆拍的手部数据,不包含人体部分,每张图只含有一只手,分为两个子集:训练集(Train)和测试集(Test);其中训练集(Train)总数超过30000张图片,测试集(Test)总数2560张;图片已经使用labelme标注了手部区域目标框box,标注名称为hand,标注格式统一转换为VOC数据格式,可直接用于深度学习目标检测模型训练。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点数据集_05

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_06

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_07

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_08

(2)Hand-voc2

Hand-voc2手部检测数据集,该数据来源于国内开源数据集,包含人体部分和多人的情况,每张图含有一只或者多只手,比较符合家庭书桌读写场景的业务数据集,数据集目前只收集了980张图片;图片已经使用labelme标注了手部区域目标框box,标注名称为hand,标注格式统一转换为VOC数据格式,可直接用于深度学习目标检测模型训练。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_09

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点检测_10

(3)Hand-voc3

Hand-voc3手部检测数据集来源于国外HaGRID手势识别数据集;原始HaGRID数据集十分庞大,约有55万张图片,包含了18种常见的通用手势;Hand-voc3数据集是从HaGRID数据集中,每种手势随机抽取2000张图片,总共包含18x2000=36000张图片数据;标注格式统一转换为VOC数据格式,标注名称为hand,可直接用于深度学习目标检测模型训练。

关于HaGRID数据集请参考文章:HaGRID手势识别数据集使用说明和下载

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点检测_11

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点数据集_12

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_13

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_14

 (4)手部目标框可视化效果

需要pip安装pybaseutils工具包,然后使用parser_voc显示手部目标框的绘图效果

pip install pybaseutils

import os
from pybaseutils.dataloader import parser_voc

if __name__ == "__main__":
    # 修改为自己数据集的路径
    filename = "/path/to/dataset/Hand-voc3/train.txt"
    class_name = ['hand']
    dataset = parser_voc.VOCDataset(filename=filename,
                                    data_root=None,
                                    anno_dir=None,
                                    image_dir=None,
                                    class_name=class_name,
                                    transform=None,
                                    use_rgb=False,
                                    check=False,
                                    shuffle=False)
    print("have num:{}".format(len(dataset)))
    class_name = dataset.class_name
    for i in range(len(dataset)):
        data = dataset.__getitem__(i)
        image, targets, image_id = data["image"], data["target"], data["image_id"]
        print(image_id)
        bboxes, labels = targets[:, 0:4], targets[:, 4:5]
        parser_voc.show_target_image(image, bboxes, labels, normal=False, transpose=False,
                                     class_name=class_name, use_rgb=False, thickness=3, fontScale=1.2)

 3. 手部关键点数据集

项目已经收集了三个手部关键点(手部姿势估计 Hand Pose)数据集,分别为HandPose-v1,HandPose-v2和HandPose-v3,总共80000+张图片; 这三个数据都标注了手部21个关键点,下图是手部关键点示意图:

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点数据集_15

(1)HandPose-v1

HandPose-v1手部关键点数据集,是在Hand-voc1手部检测的数据集上,标注了手部21个关键点,制作的手部关键点数据集,不包含人体部分,每张图只含有一只手,分为两个子集:训练集(Train)和测试集(Test);其中训练集(Train)总数超过30000张图片,测试集(Test)总数2560张;图片已经标注了手部区域目标框box,标注名称为hand,同时也标注了手部21个关键点,标注格式统一转换为COCO数据格式,可直接用于深度学习手部关键点检测模型训练。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部骨骼点检测_16

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_17

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_18

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点检测_19

(2)HandPose-v2

HandPose-v2手部关键点数据集,是在Hand-voc2手部检测的数据集上,标注了手部21个关键点,制作的手部关键点数据集;包含人体部分和多人的情况,每张图含有一只或者多只手,比较符合家庭书桌读写场景的业务数据集,数据集目前只收集了980张图片;图片已经标注了手部区域目标框box,标注名称为hand,同时也标注了手部21个关键点,标注格式统一转换为COCO数据格式,可直接用于深度学习手部关键点检测模型训练。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_20

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点数据集_21

(3)HandPose-v3

HandPose-v3手部关键点数据集,原始图片主要来源于网上收集的手部图片数据集,数据比较杂,每张图只截取保留了手部的区域图像,总共49000张图片;图片已经标注了手部区域目标框box,标注名称为hand,同时也标注了手部21个关键点,标注格式统一转换为COCO数据格式,可直接用于深度学习手部关键点检测模型训练。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_22

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_23

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_24

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点数据集_25

(4)手部关键点可视化效果

需要pip安装pybaseutils工具包,然后使用parser_coco_kps显示手部关键点的绘图效果

pip install pybaseutils

import os
from pybaseutils.dataloader import parser_coco_kps

if __name__ == "__main__":
    # 修改为自己数据集json文件路径
    anno_file = "/path/to/dataset/HandPose-v3/train/train_anno.json"
    class_name = []
    dataset = parser_coco_kps.CocoKeypoints(anno_file, image_dir="", class_name=class_name,shuffle=False)
    bones = dataset.bones
    for i in range(len(dataset)):
        data = dataset.__getitem__(i)
        image, boxes, labels, keypoints = data['image'], data["boxes"], data["label"], data["keypoints"]
        print("i={},image_id={}".format(i, data["image_id"]))
        parser_coco_kps.show_target_image(image, keypoints, boxes, colors=bones["colors"],
                                          skeleton=bones["skeleton"],thickness=1)

4. 手部检测和手部关键点数据集下载

手部检测和手部关键点数据集下载地址:手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)

手部检测和手部关键点数据集包含内容:

  • 手部检测数据集:包含Hand-voc1,Hand-voc2和Hand-voc3,总共60000+张图片;标注格式统一转换为VOC数据格式,标注名称为hand,可用于深度学习手部目标检测模型算法开发。
  • 手部关键点数据集:包含HandPose-v1,HandPose-v2和HandPose-v3,总共80000+张图片;标注了手部区域目标框box,标注名称为hand,同时也标注了手部21个关键点,标注格式统一转换为COCO数据格式,可直接用于深度学习手部关键点检测模型训练。

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_26


5. 手部关键点检测(Python/C++/Android)

本项目基于Pytorch深度学习框架,实现手部关键点检测(手部姿势估计)模型,其中手部检测采用YOLOv5模型,手部关键点检测是基于开源的HRNet进行改进,构建了整套手部关键点检测的训练和测试流程;为了方便后续模型工程化和Android平台部署,项目支持轻量化模型LiteHRNet和Mobilenet模型训练和测试,并提供Python/C++/Android多个版本

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部姿态估计_27

  • 手部关键点检测3:Pytorch实现手部关键点检测(手部姿势估计)含训练代码和数据集
  • 手部关键点检测4:Android实现手部关键点检测(手部姿势估计)含源码 可实时检测
  • 手部关键点检测5:C++实现手部关键点检测(手部姿势估计)含源码 可实时检测

 Android手部关键点检测(手部姿势估计)APP Demo体验:

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_Hand pose_02

  

手部关键点检测1:手部关键点(手部姿势估计)数据集(含下载链接)_手部关键点检测_03

标签:检测,手部,Hand,关键点,数据,链接,标注
From: https://blog.51cto.com/u_15764210/9014700

相关文章

  • 人体关键点检测4:C/C++实现人体关键点检测(人体姿势估计)含源码 可实时检测OpenCV库使
    人体关键点检测4:C/C++实现人体关键点检测(人体姿势估计)含源码可实时检测目录人体关键点检测4:C/C++实现人体关键点检测(人体姿势估计)含源码可实时检测1.项目介绍2.人体关键点检测方法(1)Top-Down(自上而下)方法(2)Bottom-Up(自下而上)方法:3.人体关键点检测模型(1)人体关键点检测......
  • 人体关键点检测2:Pytorch实现人体关键点检测(人体姿势估计)含训练代码
    人体关键点检测2:Pytorch实现人体关键点检测(人体姿势估计)含训练代码目录人体关键点检测2:Pytorch实现人体关键点检测(人体姿势估计)含训练代码1.前言2.人体关键点检测方法(1)Top-Down(自上而下)方法(2)Bottom-Up(自下而上)方法:3.人体关键点检测数据集4.人体检测模型训练5.人体关键......
  • 人体关键点检测1:人体姿势估计数据集
    人体关键点检测1:人体姿势估计数据集目录人体关键点检测1:人体姿势估计数据集1.人体姿态估计2.人体姿势估计数据集(1)COCO数据集(2)MPII数据集(3)Human3.6M(4)关键点示意图1.人体姿态估计人体关键点检测(HumanKeypointsDetection)又称为人体姿态估计2DPose,是计算机视觉中一个相对基础的任务,......
  • 手部关键点检测5:C++实现手部关键点检测(手部姿势估计)含源码 可实时检测OpenCV库使用o
    手部关键点检测5:C++实现手部关键点检测(手部姿势估计)含源码可实时检测目录手部关键点检测4:C++实现手部关键点检测(手部姿势估计)含源码可实时检测1.项目介绍2.手部关键点检测(手部姿势估计)方法(1)Top-Down(自上而下)方法(2)Bottom-Up(自下而上)方法:3.手部关键点检测模型(1)手部......
  • 手部关键点检测4:Android实现手部关键点检测(手部姿势估计)含源码 可实时检测
    目录1.前言2.手部关键点检测(手部姿势估计)方法(1)Top-Down(自上而下)方法(2)Bottom-Up(自下而上)方法:3.手部关键点检测模型训练4.手部关键点检测模型Android部署(1)将Pytorch模型转换ONNX模型(2)将ONNX模型转换为TNN模型(3)Android端上部署模型(4)Android测试效果 (5)运行APP闪退:dlop......
  • 常用链接
    永远铭记:2023/11/1存放常用链接的剪贴板被删OnlineJudgeNKOJ||洛谷||AtCoder||Codeforces||AcWing||VirtualJudge||VirtualJudge-镜像||517||TYOJ||LibreOJ工具Markdown||OIWiki||刘明野的工具箱||Z4A||图形编辑器||壁纸深渊||WebGL流体模......
  • py之网详情链接
    importrequestsfromlxmlimportetreecookies={'Hm_lvt_1e6428f355435b22644f2fc429cf38a4':'1702806796','Hm_lpvt_1e6428f355435b22644f2fc429cf38a4':'1702806850',}headers={'authority':......
  • SpringBoot集成多个RabbitMq(多个MQ链接)
    ##2023年12月16日20:25:36 项目中使用RabbitMQ作为应用间信息互通,本次梳理下关于MQ的使用。1、引入依赖<!--引入依赖,使用v2.5.6版本--><dependencies><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot......
  • JS逆向快速定位关键点之通用hook脚本
    大部分网站都会对关键参数进行加密,JS逆向时,我们首要任务是定位参数具体的加密逻辑。常见方式包含:关键字搜索、堆栈调试、XHR及事件监听、AST内存漫游、JSHook注入等本篇文章以JSHook注入为切入点,在做JS逆向往往需要定位到一些关键参数位置去分析,比如Cookie、Sign、Toke......
  • uniGUI学习之表格和链接(76)
    Delphi10.3如何在StringGrid某单元格下划线显示,并点击弹出新窗口拖一个UniHTMLFrame1到界面上<!DOCTYPEhtml><htmllang="en"><head><metacharset="UTF-8"/><title>网页标题</title><basetarget=&qu......