BISINDO Hand Sign

该数据集包含26个字母（A-Z）的手势照片，每字母20张，共520张照片。所有照片使用智能手机摄像头拍摄，并通过Python OpenCV处理。数据集分为训练和测试两部分，比例为4:1。

This dataset comprises photographs of hand gestures representing the 26 letters of the alphabet (A-Z), with 20 images per letter, totaling 520 images. All photographs were captured using a smartphone camera and processed via Python OpenCV. The dataset is partitioned into training and testing sets at a ratio of 4:1.

原始信息汇总

BISINDO Hand-Sign Detection Dataset Summary

Dataset Overview

• Title: BISINDO Hand-Sign Detection Using Transfer Learning
• Total Photos: 520
• Character Coverage: A-Z (20 photos per character)

Data Collection

• Camera Used: Redmi Note 10 Pro
• Processing Tool: Python OpenCV
• Consistency: Uniform settings applied for light intensity and distance

Data Labeling

• Labeling Tool: labelImg
• Label Format: XML files containing photo details, label, and bounding box coordinates

Data Processing

• Image Location: collected images
• Dataset Split: Training and Testing (4:1 ratio)
  • Training Set: Training
  • Testing Set: Testing

Citation

• Citation for Scientific Publication:

  • Plain Text: D. Joan, V. Vincent, K. J. Daniel, S. Achmad and R. Sutoyo, "BISINDO Hand-Sign Detection Using Transfer Learning," 2023 IEEE 8th International Conference on Recent Advances and Innovations in Engineering (ICRAIE), Kuala Lumpur, Malaysia, 2023, pp. 1-7, doi: 10.1109/ICRAIE59459.2023.10468194.

  • BibTeX:

    @INPROCEEDINGS{10468194, author={Joan, David and Vincent, Vincent and Daniel, Kevin Jason and Achmad, Said and Sutoyo, Rhio}, booktitle={2023 IEEE 8th International Conference on Recent Advances and Innovations in Engineering (ICRAIE)}, title={BISINDO Hand-Sign Detection Using Transfer Learning}, year={2023}, pages={1-7}, doi={10.1109/ICRAIE59459.2023.10468194}}

搜集汇总

数据集介绍

构建方式

BISINDO Hand Sign数据集的构建过程严谨且系统化。数据采集阶段，使用Redmi Note 10 Pro智能手机拍摄了每个字母（A-Z）的20张照片，共计520张。拍摄过程中，所有照片均采用相同的参数设置，如光照强度和拍摄距离，以确保数据的一致性。随后，利用Python OpenCV对图像进行处理，并使用labelImg工具对每张照片进行标注，生成包含图像目录、名称、尺寸、标签及边界框坐标等信息的XML文件。

特点

BISINDO Hand Sign数据集的特点在于其高质量和标准化。数据集涵盖了完整的字母表（A-Z），每个字母均有20张照片，确保了数据的丰富性和多样性。所有照片在相同的拍摄条件下采集，并通过统一的处理流程进行标注，保证了数据的一致性和可重复性。此外，数据集被明确划分为训练集和测试集，比例为4:1，便于模型的训练与评估。

使用方法

BISINDO Hand Sign数据集的使用方法简单明了。用户可以从GitHub仓库中下载数据集，其中包含训练集和测试集两个文件夹。训练集用于模型的训练，测试集则用于评估模型的性能。数据集中的每张照片均附带详细的XML标注文件，用户可以直接使用这些标注信息进行目标检测任务。此外，数据集的设计支持迁移学习，用户可以在现有模型的基础上进行微调，以提升手语识别的准确率。

背景与挑战

背景概述

BISINDO Hand Sign数据集由David Joan等研究人员于2023年创建，旨在通过迁移学习技术提升手语识别的准确性与效率。该数据集聚焦于印度尼西亚手语（BISINDO）的字母识别，涵盖了从A到Z的26个字母，每个字母包含20张照片，总计520张。所有照片均使用Redmi Note 10 Pro智能手机拍摄，并通过Python OpenCV进行统一处理，确保了光照强度和拍摄距离的一致性。该数据集的发布为手语识别领域提供了重要的数据支持，推动了计算机视觉与辅助技术的研究进展。

当前挑战

BISINDO Hand Sign数据集在构建与应用中面临多重挑战。首先，手语识别本身具有较高的复杂性，手势的多样性与细微差异增加了模型训练的难度。其次，数据采集过程中需严格控制拍摄条件，以确保数据的一致性与可靠性，这对实验设计与执行提出了较高要求。此外，数据标注的准确性直接影响模型的性能，而手动标注过程耗时且易出错。最后，尽管迁移学习技术能够提升模型的泛化能力，但如何选择合适的预训练模型并优化其参数仍是一个亟待解决的问题。

常用场景

经典使用场景

BISINDO Hand Sign数据集在计算机视觉领域中被广泛应用于手语识别研究。该数据集包含了BISINDO手语字母表中每个字符的20张照片，总计520张照片，这些照片通过智能手机拍摄并经过OpenCV处理。研究人员通常利用该数据集进行手语检测和识别模型的训练与测试，尤其是在使用迁移学习技术时，该数据集能够有效提升模型的泛化能力和识别精度。

解决学术问题

BISINDO Hand Sign数据集解决了手语识别领域中数据稀缺和标准化不足的问题。通过提供高质量、标准化的手语图像数据，该数据集为研究人员提供了可靠的实验基础，推动了手语识别算法的优化与创新。此外，该数据集的使用还促进了跨语言手语识别的研究，为开发更智能的辅助技术提供了数据支持。

衍生相关工作

基于BISINDO Hand Sign数据集，研究人员开展了多项经典工作，例如使用迁移学习技术进行手语检测的模型优化研究。这些研究不仅提升了手语识别的准确率，还为其他相关领域的研究提供了参考。此外，该数据集还激发了更多关于手语识别与计算机视觉结合的研究，推动了该领域的进一步发展。