cj-mills/hagrid-sample-30k-384p

---
license: cc-by-sa-4.0
task_categories:
- object-detection
language:
- en
pretty_name: HaGRID Sample 30k 384p
size_categories:
- 10K<n<100K
---

This dataset contains 31,833 images from [HaGRID](https://github.com/hukenovs/hagrid) (HAnd Gesture Recognition Image Dataset) downscaled to 384p. The original dataset is 716GB and contains 552,992 1080p images. I created this sample for a tutorial so readers can use the dataset in the free tiers of Google Colab and Kaggle Notebooks.

### Original Authors:
* [Alexander Kapitanov](https://www.linkedin.com/in/hukenovs)
* [Andrey Makhlyarchuk](https://www.linkedin.com/in/makhliarchuk)
* [Karina Kvanchiani](https://www.linkedin.com/in/kvanchiani)

### Original Dataset Links
* [GitHub](https://github.com/hukenovs/hagrid)
* [Kaggle Datasets Page](https://www.kaggle.com/datasets/kapitanov/hagrid)

### Object Classes
```text
['call',
'no_gesture',
'dislike',
'fist',
'four',
'like',
'mute',
'ok',
'one',
'palm',
'peace',
'peace_inverted',
'rock',
'stop',
'stop_inverted',
'three',
'three2',
'two_up',
'two_up_inverted']
```

### Annotations
* `bboxes`: `[top-left-X-position, top-left-Y-position, width, height]`
* Multiply `top-left-X-position` and `width` values by the image width and multiply `top-left-Y-position` and `height` values by the image height.
<div style="overflow-x: auto; overflow-y: auto">
<table>
<thead>
<tr style="text-align: right">
<th></th>
<th>00005c9c-3548-4a8f-9d0b-2dd4aff37fc9</th>
</tr>
</thead>
<tbody>
<tr>
<th>bboxes</th>
<td>[[0.23925175, 0.28595301, 0.25055143, 0.20777627]]</td>
</tr>
<tr>
<th>labels</th>
<td>[call]</td>
</tr>
<tr>
<th>leading_hand</th>
<td>right</td>
</tr>
<tr>
<th>leading_conf</th>
<td>1</td>
</tr>
<tr>
<th>user_id</th>
<td>5a389ffe1bed6660a59f4586c7d8fe2770785e5bf79b09334aa951f6f119c024</td>
</tr>
</tbody>
</table>
</div>

许可证：知识共享署名-相同方式共享4.0（CC BY-SA 4.0）
任务类别：目标检测（object-detection）
语言：英语（en）
数据集名称：HaGRID Sample 30k 384p
样本量范围：10000 < 样本量 < 100000
---

本数据集包含源自手部手势识别图像数据集（HaGRID，HAnd Gesture Recognition Image Dataset）的31833张图像，所有图像均被缩放至384p分辨率。原始数据集体量达716GB，收录552992张1080p分辨率图像。本精简样本专为教程制作，旨在让读者可在Google Colab与Kaggle Notebooks的免费配额中使用该数据集。

### 原作者
* [Alexander Kapitanov](https://www.linkedin.com/in/hukenovs)
* [Andrey Makhlyarchuk](https://www.linkedin.com/in/makhliarchuk)
* [Karina Kvanchiani](https://www.linkedin.com/in/kvanchiani)

### 原始数据集链接
* [GitHub](https://github.com/hukenovs/hagrid)
* [Kaggle 数据集页面](https://www.kaggle.com/datasets/kapitanov/hagrid)

### 目标类别
text
['call（打招呼手势）',
'no_gesture（无手势）',
'dislike（厌恶手势）',
'fist（握拳手势）',
'four（四指手势）',
'like（点赞手势）',
'mute（静音手势）',
'ok（OK手势）',
'one（单指手势）',
'palm（手掌手势）',
'peace（和平手势/剪刀手）',
'peace_inverted（反向和平手势）',
'rock（摇滚手势）',
'stop（停止手势）',
'stop_inverted（反向停止手势）',
'three（三指手势）',
'three2（变体三指手势）',
'two_up（双指上扬手势）',
'two_up_inverted（反向双指上扬手势）']

### 标注信息
* 边界框（bboxes）：标注格式为`[左上角X坐标, 左上角Y坐标, 宽度, 高度]`
* 需将左上角X坐标与宽度值乘以图像宽度，将左上角Y坐标与高度值乘以图像高度，即可转换为实际像素坐标。
<div style="overflow-x: auto; overflow-y: auto">
<table>
<thead>
<tr style="text-align: right">
<th></th>
<th>00005c9c-3548-4a8f-9d0b-2dd4aff37fc9（图像ID）</th>
</tr>
</thead>
<tbody>
<tr>
<th>边界框（bboxes）</th>
<td>[[0.23925175, 0.28595301, 0.25055143, 0.20777627]]</td>
</tr>
<tr>
<th>标签（labels）</th>
<td>[call（打招呼手势）]</td>
</tr>
<tr>
<th>主导手</th>
<td>右手</td>
</tr>
<tr>
<th>置信度</th>
<td>1</td>
</tr>
<tr>
<th>用户ID</th>
<td>5a389ffe1bed6660a59f4586c7d8fe2770785e5bf79b09334aa951f6f119c024</td>
</tr>
</tbody>
</table>
</div>

原始信息汇总

数据集概述

• 名称: HaGRID Sample 30k 384p
• 许可证: cc-by-sa-4.0
• 任务类别: 对象检测
• 语言: 英语
• 大小类别: 10K<n<100K

数据集内容

• 图像数量: 31,833
• 图像分辨率: 384p
• 原始数据集大小: 716GB，包含552,992张1080p图像

对象类别

text [call, no_gesture, dislike, fist, four, like, mute, ok, one, palm, peace, peace_inverted, rock, stop, stop_inverted, three, three2, two_up, two_up_inverted]

注释格式

• 边界框格式: [top-left-X-position, top-left-Y-position, width, height]
• 坐标调整: 将top-left-X-position和width值乘以图像宽度，将top-left-Y-position和height值乘以图像高度。

搜集汇总

数据集介绍

构建方式

在计算机视觉领域，手势识别数据集对于模型训练至关重要。HaGRID样本数据集源自大规模手势识别图像数据集HaGRID，原始数据包含超过55万张1080p分辨率图像，总容量达716GB。为便于在免费计算资源环境中使用，本数据集通过降采样技术将图像分辨率统一调整为384p，并从中精选出31,833张代表性图像，构建了这个轻量化样本集。该过程既保留了原始数据的手势类别分布特征，又显著降低了存储与计算需求。

特点

该数据集聚焦于手势识别任务，涵盖19类常见手势动作，包括呼叫、点赞、握拳等多样化交互姿态。每张图像均标注了标准化边界框坐标，采用归一化格式存储，需根据图像尺寸进行还原计算。数据标注不仅包含手势类别与位置信息，还额外提供了主导手信息及置信度评分，为多维度手势分析提供了结构化基础。图像内容呈现真实场景下的手势变化，具有较高的实用价值与研究潜力。

使用方法

研究人员可利用该数据集进行手势检测模型的训练与验证。使用前需将归一化边界框坐标转换为像素坐标，即横坐标参数需乘以图像宽度，纵坐标参数需乘以图像高度。数据集采用标准目标检测数据格式，可直接适配主流深度学习框架。建议在模型开发初期使用本样本集进行原型验证，再根据需要扩展到完整数据集。数据已针对云端协作平台优化，支持在Kaggle和Google Colab免费环境中直接加载使用。

背景与挑战

背景概述

手势识别作为人机交互领域的关键技术，其发展依赖于高质量、大规模标注数据集的支撑。HaGRID数据集由Alexander Kapitanov、Andrey Makhlyarchuk及Karina Kvanchiani等研究人员于2022年构建，旨在解决动态手势检测与分类中的复杂场景适应性问题。该数据集聚焦于18类常见手势，涵盖如‘呼叫’、‘点赞’、‘握拳’等交互动作，通过精细的边界框标注及主导手信息，为手势识别模型提供了丰富的训练资源。其大规模、多样化的图像采集策略，显著推动了手势识别在自动驾驶、智能家居及无障碍技术等领域的应用进展。

当前挑战

手势识别领域面临的核心挑战在于复杂背景干扰、光照变化及手势类间相似性导致的识别精度下降。HaGRID数据集构建过程中，需克服大规模数据采集的标注一致性难题，确保数千名参与者手势动作的时空对齐与标注标准化。此外，数据降采样版本如‘cj-mills/hagrid-sample-30k-384p’虽提升了计算可访问性，但可能损失高分辨率细节，影响模型对细微手势特征的捕捉能力，进而制约其在实时交互场景中的鲁棒性表现。

常用场景

经典使用场景

在计算机视觉领域，手势识别作为人机交互的核心技术，其研究依赖于高质量标注数据集的支持。HaGRID样本数据集通过提供包含18种手势类别的图像，为手势检测与识别模型的训练与评估奠定了坚实基础。该数据集最经典的使用场景在于手势识别算法的开发与优化，研究人员利用其丰富的标注信息，包括边界框和手势类别，训练深度神经网络以实现精准的手势定位与分类。

衍生相关工作

HaGRID样本数据集作为手势识别领域的重要资源，已衍生出多项经典研究工作。例如，基于该数据集的改进型YOLO算法实现了实时手势检测，Transformer架构的手势分类模型在精度上取得显著提升。此外，数据集还被用于跨域手势识别、多模态融合交互等前沿探索，推动了手势识别与自然语言处理、强化学习等领域的交叉融合。

数据集最近研究

最新研究方向

在计算机视觉与手势识别领域，HaGRID数据集作为大规模手势检测基准，正推动着人机交互技术的革新。当前研究聚焦于轻量化模型部署，通过优化网络架构与压缩技术，实现在移动设备与嵌入式系统中的实时手势识别。同时，多模态融合成为热点，结合视觉与惯性传感器数据，提升复杂环境下的鲁棒性与准确性。该数据集亦支持跨域自适应研究，旨在解决光照、背景及手势变异带来的挑战，为智能驾驶、虚拟现实等应用提供关键技术支撑。