Advertisement

YOLO手势数据集,包括XML和TXT文件,涵盖18种手势

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
这是一个包含18种不同手势的YOLO格式数据集,内含详细的标注信息,以XML和TXT文件形式提供,适用于手势识别研究。 Yolov5手势检测结合PyQt5框架实现目标检测功能,并支持深度学习网络优化及模型定制。该项目已训练完成并能识别18种手势,同时可根据需求定制使用Yolov7或Yolov8版本。 主要特点包括: - 支持多种物体的检测,如车辆、树木、火焰等; - 可根据具体应用场景添加更多目标类别,例如人员、安全帽、烟雾以及情绪和口罩佩戴情况等; - 提供Python环境支持,在PyCharm或Anaconda中使用方便安装相关库包。 如果在软件开发过程中遇到任何问题,请随时与我们联系。对于无法解决的包安装难题,若三天内仍未成功解决问题,则可以申请退款处理。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • YOLOXMLTXT18
    优质
    这是一个包含18种不同手势的YOLO格式数据集,内含详细的标注信息,以XML和TXT文件形式提供,适用于手势识别研究。 Yolov5手势检测结合PyQt5框架实现目标检测功能,并支持深度学习网络优化及模型定制。该项目已训练完成并能识别18种手势,同时可根据需求定制使用Yolov7或Yolov8版本。 主要特点包括: - 支持多种物体的检测,如车辆、树木、火焰等; - 可根据具体应用场景添加更多目标类别,例如人员、安全帽、烟雾以及情绪和口罩佩戴情况等; - 提供Python环境支持,在PyCharm或Anaconda中使用方便安装相关库包。 如果在软件开发过程中遇到任何问题,请随时与我们联系。对于无法解决的包安装难题,若三天内仍未成功解决问题,则可以申请退款处理。
  • 含8不同
    优质
    本数据集包含了八种不同的手势,旨在为手语识别和人机交互研究提供丰富的训练与测试资源。 我们有一个包含2000张图片的手势数据集,每类手势的图片数量在100到500张之间不等。这些图像是由我的家人和朋友拍摄的,并且涵盖了8种不同的手势类型。所有图像尺寸均为207x207像素。
  • myo-readings-dataset:的Myo臂章肌电图
    优质
    myo-readings-dataset 是一个包含丰富手腕动作信号的数据集,专为使用 Myo 臂环设备收集的肌电图(EMG)设计,适用于机器学习和模式识别研究。 肌读数据集腕部冬眠包含了弯曲、伸展、径向偏移、尺骨偏移、内旋、旋后以及拳头手势的Myo臂章肌电图读数数据。项目结构中,所有读数位于_readings文件夹下,每个记录会话包含一个单独的文件夹。每个会话文件夹里有多个文件,对应于不同的手腕动作,这些文件命名为
  • 识别的Yolo格式
    优质
    本数据集采用YOLO格式,包含大量经过标注的手势图像,旨在促进手势识别技术的研究与应用发展。 yolo格式的手势识别数据集提供了一种高效的物体检测方法,适用于各种手势识别应用。该数据集包含了大量标注好的手势图像,便于训练模型进行实时的手势识别任务。通过使用YOLO框架,可以实现快速且准确的手势分类与定位功能。
  • 识别中的YOLO与labelImg
    优质
    本研究探讨了在手势识别领域中使用YOLO算法进行实时目标检测,并介绍了利用labelImg工具创建和标注训练数据集的方法。 detect3.py结合了Qt和TCP socket通信功能,能够接收七种手势识别技术,并且已经包含了训练功能。请注意,在命名训练图片和txt文件时不要使用中文字符。
  • 含16动作的肌电
    优质
    本数据集包含了16种不同手势的动作识别肌电信号,旨在为上肢假肢控制和康复工程提供高质量的数据支持。 肌电信号数据集包含16种手势动作。
  • 识别-RAR:GesturesRAR
    优质
    GesturesRAR包含了丰富的手势识别数据集,内含多种手势动作的图像和视频资料,适用于研究与开发手语识别、人机交互等应用的技术人员。 手势识别数据集包含数字0到9的手势图像。
  • 基于YOLOv5的识别系统(识别及训练代码).txt
    优质
    本项目提供了一个基于YOLOv5的手势识别系统,包括定制的手势识别数据集和详细的训练代码,适用于快速部署与研究。 手势识别(HGR)作为人机交互的一部分,在汽车领域、家庭自动化系统以及各种视频/流媒体平台等领域具有广泛的实际应用价值。本段落将基于YOLOv5构建一个能够识别包括one, two, ok在内的18种常见通用手势动作的手势识别目标检测系统。该系统的平均精度平均值mAP_0.5达到了0.99569,而mAP_0.5:0.95则为0.87605,基本满足了业务性能需求。
  • 识别的图片与视频两类
    优质
    本数据集包含丰富的图像和视频资料,专为手势识别技术的研究与开发设计,旨在促进手语理解和通用手势控制算法的进步。 手势识别数据集包括图片和视频两种类型的数据集。训练集中包含剪刀、石头、布各840张图像;测试集中则有每种动作124张图像。此外,还有两个MP4格式的手势识别视频文件:一个是在简单背景下的,另一个则是复杂背景的。
  • 将Leap Motion写入TXT
    优质
    本项目旨在开发一个软件工具,用于捕捉并记录通过Leap Motion设备获取的手势数据至文本文件中,便于后续的数据分析与处理。 使用Leap Motion获取手势参数并将其写入txt文件,可以通过串口助手读取这些数据,并发送给下位机以控制机械臂。