HaGRID——手势识别图像数据集
计算机视觉与模式识别
2024-10-10 v2
摘要
本文介绍了一个大规模数据集 HaGRID（HAnd Gesture Recognition Image Dataset，手势识别图像数据集），用于构建手势识别（HGR）系统，侧重于与设备交互以对其进行操控。正因如此，所选全部 18 种手势均被赋予符号功能，并可解释为特定动作。尽管这些手势为静态，但选取时特别考虑了设计若干动态手势的能力。它使得训练后的模型不仅能识别“点赞”和“停止”等静态手势，还能识别“滑动”和“拖放”等动态手势。HaGRID 包含 554,800 张图像及带手势标签的边界框标注，用于解决手部检测与手势分类任务。其他数据集在场景与受试者上的低差异性，是创建无此限制数据集的原因。利用众包平台，我们采集了由 37,583 名受试者记录的样本，场景至少与此数量相当，受试者到相机距离从 0.5 到 4 米，且处于多种自然光照条件下。我们在消融实验中对多样性特征的影响进行了评估。此外，我们展示了 HaGRID 可用于 HGR 任务中的模型预训练。HaGRID 与预训练模型均已公开可用。
引用
@article{arxiv.2206.08219,
title = {HaGRID - HAnd Gesture Recognition Image Dataset},
author = {Alexander Kapitanov and Karina Kvanchiani and Alexander Nagaev and Roman Kraynov and Andrei Makhliarchuk},
journal= {arXiv preprint arXiv:2206.08219},
year = {2024}
}
备注
12 pages, 5 figures, open-source dataset for computer vision