HaGRID手势识别数据集使用说明和下载
目录
3.Light-HaGRID数据集下载(约18GB)
1. HaGRID手势识别数据集说明
本篇,我们将介绍一个超大的手势识别图像数据集 HaGRID (HAnd Gesture Recognition Image Dataset)。 HaGRID数据集种类非常丰富,包含one,two,ok等18种常见的通用手势, 标注了手势框和手势类别标签,可以用于图像分类或图像检测等任务。
HaGRID数据集数量特别大,有716GB的大小,包含 552,992 个 FullHD (1920 × 1080) RGB 图像。 此外,如果帧中有第二只手,则某些图像具有 no_gesture 类。 这个额外的类包含 123,589 个样本。 数据分为 92% 的训练集和 8% 的 测试集,其中 509,323 幅图像用于训练,43,669 幅图像用于测试。
2. HaGRID数据集下载(约716GB)
官方下载地址: https://github.com/hukenovs/hagrid
由于数据量特别大,官方已经将手势数据集分成 18 个文件,可从以下链接下载并解压:
- Tranval
Gesture | Size | Gesture | Size |
call | 39.1 GB | peace | 38.6 GB |
38.7 GB | 38.6 GB | ||
fist | 38.0 GB | rock | 38.9 GB |
four | 40.5 GB | stop | 38.3 GB |
like | 38.3 GB | 40.2 GB | |
mute | 39.5 GB | three | 39.4 GB |
ok | 39.0 GB | three2 | 38.5 GB |
one | 39.9 GB | two_up | 41.2 GB |
palm | 39.3 GB | 39.2 GB |
train_val
annotations: ann_train_val
- Test
Test | Archives | Size |
images | test | 60.4 GB |
annotations | 3.4 MB |
- Subsample
Subsample has 100 items per gesture.
Subsample | Archives | Size |
images | 2.5 GB | |
annotations | 153.8 KB |
3.Light-HaGRID数据集下载(约18GB)
原始的HaGRID数据集太大,图片都是高分辨率(1920 × 1080)200W像素,完整下载HaGRID数据集,至少需要716GB的硬盘空间。另外,由于是外网链接,下载可能经常掉线。
考虑到这些问题,鄙人对HaGRID数据集进行精简和缩小分辨率,目前整个数据集已经压缩到18GB左右,可以满足手势识别分类和检测的任务需求,为了有别于原始数据集,该数据集称为Light-HaGRID数据集,即一个比较轻量的手势识别数据集。
(1)Light-HaGRID数据集说明
以下是Light-HaGRID数据集详细说明:
- 共18个手势类别,每个类别约含有7000张图片,总共约123731张图片(12W);
- 某些图片中存在二只手,这些图像手部被标注为 no_gesture 类
- 原始图片都是高分辨率(1920 × 1080)200W像素,已经等比例缩小到20W像素
- 原始标注文件*.json格式,为了方便训练,已经统一转换为VOC的数据格式(*.xml), 数据中Annotations文件夹保存了VOC的XML文件,JPEGImages文件夹是图像数据,这部分数据可直接用于训练目标检测模型。
- 为了方便训练手势识别分类模型,Light-HaGRID数据集已经把每个标注框的手部区域都裁剪下来,并保存在Classification文件夹下,这部分数据可以用于训练手势识别分类模型。
- 生成数据集的Python脚本
需要安装: pip install pybaseutils
这是可视化标注框的效果图:
样图 | 样图 |
(2)Light-HaGRID数据集下载
Light-HaGRID数据集包含的资源主要有:
- 提供手势动作识别数据集,共18个手势类别,每个类别约含有7000张图片,总共123731张图片(12W+)
- 提供所有图片的json标注格式文件,即原始HaGRID数据集的标注格式
- 提供所有图片的XML标注格式文件,即转换为VOC数据集的格式
- 提供所有手势区域的图片,每个标注框的手部区域都裁剪下来,并保存在Classification文件夹下
- 可用于手势目标检测模型训练
- 可用于手势分类识别模型训练
下载地址:HaGRID手势识别数据集使用说明和下载
4. 基于目标检测的手势识别
正在开发中,敬请期待
5. 基于目标检测+分类识别的手势识别
正在开发中,敬请期待