Поиск
    HaGRID-image

    HaGRID

    HaGRID (HAnd Gesture Recognition Image Dataset) – самый разнородный датасет для системы распознавания жестов. Он состоит из 553,991 изображений, разделенных на 18 классов. В разметку входят боксы кистей рук с меткой класса жеста.

    Лицензия

    Other

    Изображение

    Каждое изображение содержит показывающую жест руку и в некоторых случаях может содержать вторую руку в естественном положении, размеченную дополнительным классом no gesture.

    Разметка: bounding box, user id Фреймворк: pytorch Размер файлов: 723GB Количество жестов: 19 Число изображений: 553 991 Формат изображений: FullHD RGB Уникальных пользователей: 37 563

    Возможности

    В записи датасета участвовало не менее 37,563 уникальных пользователей. Набор данных содержит как минимум столько же сцен и очень разнороден по освещению, расстоянию субъекта до камеры, их возрасту и полу. Все снимки выполнены в RGB формате и более 90% из них - в FullHD (1920х1080).

    HaGRID разделен на 18 классов жестов: call, dislike, fist, four, like, mute, ok, one, palm, peace, peace_inverted, rock, stop, stop_inverted, three, three2, two_up, two_up_inverted.

    Каждое изображение содержит показывающую жест руку, и в некоторых случаях может содержать вторую руку в естественном положении, размеченную дополнительным классом no gesture.

    Преимущества

    Все данные и обученные на них модели для задач классификации и детекции жестов абсолютно бесплатны и доступны для скачивания. Кроме того Вы можете скачать мини версию набора данных, содержащую по 100 изображений с разметкой на класс. Демо-версия работы моделей на обученных данных также доступна в репозитории.

    Сценарии использования

    С помощью HaGRID можно создать систему распознавания жестов, которая будет отлично работать в совершенно разных ситуациях. Например, жестовое управление можно использовать в видеоконференциях, для управления устройствами умного дома или мультимедийными возможностями автомобиля. Ещё одна важная возможность — создание виртуальных помощников для пользователей с дефектами речи или использующих язык жестов.

    Инструкции по использованию

    Вы можете скачать датасет в виде набора архивов размером 723GB. Поскольку датасет занимает много места, мы разбили обучающую выборку на 18 архивов по числу классов в датасете (каждый архив занимает примерно ~40GB).

    Данные:

    GestureLinkSize (GB)
    CALLhttps://sc.link/FNiTG37.2
    DISLIKEhttps://sc.link/7mcWR40.9
    FISThttps://sc.link/DkbKX41.2
    FOURhttps://sc.link/vJA542.1
    LIKEhttps://sc.link/XZJPT41.2
    MUTEhttps://sc.link/gJ0ya42.1
    OKhttps://sc.link/eFqR141.4
    ONEhttps://sc.link/NMpZ041.7
    PALMhttps://sc.link/GtTnd42.1
    PEACEhttps://sc.link/LTQNz41.4
    PEACE_INV.https://sc.link/WFSpC39.6
    ROCKhttps://sc.link/YlMdI40.7
    STOPhttps://sc.link/bnlhN40.8
    STOP_INV.https://sc.link/vvKG440.4
    THREEhttps://sc.link/FtH3C41.2
    THREE2https://sc.link/fC4dT39.2
    TWO_UPhttps://sc.link/9xmvQ40.9
    TWO_UP_INV.https://sc.link/ZDoYu39.9

    Разметка: https://sc.link/Sfa95

    Модели

    DetectorLinkmAP
    SSDLiteMobileNetV3Smallhttps://sc.link/rcJBg57.7
    SSDLiteMobileNetV3Largehttps://sc.link/pVVDQ71.6
    RetinaNet_ResNet50https://sc.link/sVRwt79.1
    YoloV7Tinyhttps://sc.link/kqwi271.6
    Full Frame ClassifiersLinkF1 Gestures
    MobileNetV3_smallhttps://sc.link/R5tHf86.4
    MobileNetV3_largehttps://sc.link/2Mv2o91.9
    VitB16https://sc.link/tuRj891.1
    ResNet18https://sc.link/lyXuV97.5
    ResNet152https://sc.link/rhX2495.5
    ResNeXt50https://sc.link/Revne98.3
    ResNeXt101https://sc.link/vmahk97.5

    Детектор

    SSDLite - https://sc.link/YXg2

    Полезные ссылки

    Авторы

    • Капитанов Александр
    • Махлярчук Андрей
    • Кванчиани Карина
    • Нагаев Александр
    • Крайнов Роман

    Обратная связь

    Круглосуточная поддержка по телефону 8 800 444-24-99, почте support@cloud.ru и в Telegram