cj-mills/hagrid-sample-120k-384p

---
license: cc-by-sa-4.0
task_categories:
- object-detection
language:
- en
pretty_name: HaGRID Sample 120k 384p
size_categories:
- 100K<n<1M
---

This dataset contains 127,331 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：CC BY-SA 4.0（知识共享署名-相同方式共享4.0协议）
任务类别：
- 目标检测（object detection）
语言：
- 英语
友好名称：HaGRID 12万384p样本集
规模类别：
- 100K<n<1M

---

本数据集包含源自[HaGRID](https://github.com/hukenovs/hagrid)（手部手势识别图像数据集，HAnd Gesture Recognition Image Dataset）的127331张图像，所有图像均被下采样至384p分辨率。原始数据集总大小为716GB，包含552992张1080p分辨率的图像。本样本集由作者为教程制作，以便读者可在Google Colab与Kaggle Notebooks的免费套餐中使用该数据集。

### 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仓库](https://github.com/hukenovs/hagrid)
* [Kaggle数据集页面](https://www.kaggle.com/datasets/kapitanov/hagrid)

### 目标类别
text
['call（打电话手势）',
'no_gesture（无手势）',
'dislike（厌恶手势）',
'fist（握拳）',
'four（四指张开）',
'like（点赞手势）',
'mute（静音手势）',
'ok（OK手势）',
'one（单指伸出）',
'palm（手掌张开）',
'peace（剪刀手/和平手势）',
'peace_inverted（反向剪刀手）',
'rock（摇滚手势）',
'stop（停止手势）',
'stop_inverted（反向停止手势）',
'three（三指伸出）',
'three2',
'two_up（双指上举）',
'two_up_inverted（反向双指上举）']

### 标注信息
* `bboxes`（边界框）：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，以得到实际像素坐标。

<div style="overflow-x: auto; overflow-y: auto">
<table>
<thead>
<tr style="text-align: right">
<th></th>
<th>00005c9c-3548-4a8f-9d0b-2dd4aff37fc9</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（打电话手势）]</td>
</tr>
<tr>
<th>leading_hand（主导手）</th>
<td>right（右手）</td>
</tr>
<tr>
<th>leading_conf（主导手置信度）</th>
<td>1</td>
</tr>
<tr>
<th>user_id（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 120k 384p
• 许可证: cc-by-sa-4.0
• 任务类别: 物体检测
• 语言: 英语
• 大小类别: 100K<n<1M

数据集内容

• 图像数量: 127,331
• 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]

标注信息

• 标注格式: bboxes: [top-left-X-position, top-left-Y-position, width, height]
• 坐标调整: 将top-left-X-position和width乘以图像宽度，将top-left-Y-position和height乘以图像高度。

示例标注

字段	值
bboxes	[[0.23925175, 0.28595301, 0.25055143, 0.20777627]]
labels	[call]
leading_hand	right
leading_conf	1
user_id	5a389ffe1bed6660a59f4586c7d8fe2770785e5bf79b09334aa951f6f119c024

搜集汇总

数据集介绍

构建方式

cj-mills/hagrid-sample-120k-384p数据集是从HaGRID（HAnd Gesture Recognition Image Dataset）中抽取的127,331张图像，经过降采样至384p分辨率而成。原始数据集包含552,992张1080p图像，总容量达716GB。该样本数据集的创建旨在为教程提供便利，使读者能够在Google Colab和Kaggle Notebooks的免费层级中使用。

特点

该数据集涵盖了19种手势类别，包括‘call’、‘no_gesture’、‘dislike’等，每张图像均附有边界框标注（bboxes），标注格式为[top-left-X-position, top-left-Y-position, width, height]。此外，数据集还提供了手势的主导手信息（leading_hand）及置信度（leading_conf），以及用户ID（user_id），为手势识别研究提供了丰富的上下文信息。

使用方法

使用该数据集时，首先需将边界框标注的坐标值乘以图像的宽度和高度，以获取实际像素位置。数据集适用于对象检测任务，特别是手势识别领域的研究。用户可通过加载图像和相应的标注信息，训练和评估手势识别模型。数据集的结构化标注和多样化的手势类别，使其成为开发高效手势识别算法的理想选择。

背景与挑战

背景概述

HaGRID（HAnd Gesture Recognition Image Dataset）样本数据集cj-mills/hagrid-sample-120k-384p，源自于手势识别领域的重要研究。该数据集由Alexander Kapitanov、Andrey Makhlyarchuk和Karina Kvanchiani等研究人员于近年创建，旨在为手势识别算法提供高质量的图像数据支持。原始数据集包含552,992张1080p分辨率的图像，而本样本数据集则从中抽取了127,331张图像，并将其分辨率降低至384p，以便在Google Colab和Kaggle Notebooks的免费环境中使用。该数据集涵盖了19种手势类别，如‘call’、‘like’、‘ok’等，为手势识别研究提供了丰富的标注信息。其核心研究问题在于通过深度学习技术实现高精度的手势检测与分类，推动了人机交互领域的发展。

当前挑战

HaGRID样本数据集在构建与应用过程中面临多重挑战。首先，手势识别领域的核心问题在于如何从复杂背景中准确检测并分类手势，这对模型的鲁棒性和泛化能力提出了极高要求。其次，数据集的构建过程中，原始图像的高分辨率（1080p）导致存储和计算资源需求巨大，为降低分辨率以适配免费计算环境，需在图像质量与计算效率之间取得平衡。此外，手势类别的多样性和标注的精确性也对数据集的标注工作提出了挑战，尤其是在处理手势边界模糊或重叠的情况下。这些挑战不仅影响了数据集的构建效率，也对后续模型的训练与优化提出了更高的技术要求。

常用场景

经典使用场景

在计算机视觉领域，手势识别是一个重要的研究方向。cj-mills/hagrid-sample-120k-384p数据集通过提供12.7万张384p分辨率的图像，为手势识别算法的训练和验证提供了丰富的素材。该数据集特别适用于在资源受限的环境中进行手势检测模型的开发，如Google Colab和Kaggle Notebooks的免费版本。

解决学术问题

该数据集解决了手势识别领域中数据量大、计算资源需求高的问题。通过提供降采样后的图像，研究人员可以在不牺牲模型性能的前提下，减少计算资源的消耗。此外，数据集中的标注信息（如边界框和手势类别）为模型的精确训练提供了基础，有助于提升手势识别的准确率和鲁棒性。

衍生相关工作

基于cj-mills/hagrid-sample-120k-384p数据集，许多经典的手势识别模型得以开发和优化。例如，研究人员利用该数据集训练了基于卷积神经网络（CNN）和Transformer架构的手势检测模型，这些模型在多个公开基准测试中取得了优异的性能。此外，该数据集还被用于研究手势识别的跨域适应问题，推动了手势识别技术在多样化场景中的应用。