笔尖笔帽检测1：笔尖笔帽检测数据集(含下载链接)

笔尖笔帽检测1：笔尖笔帽检测数据集(含下载链接)

目录

笔尖笔帽检测1：笔尖笔帽检测数据集(含下载链接)

1. 前言

2. 手笔检测数据集

（1）Hand-voc1

（2）Hand-voc2

（3）Hand-voc3

（4）Hand-Pen-voc手笔检测数据集

（5）手笔目标框可视化效果

 3. 笔尖笔帽关键点检测数据集

（1）dataset-pen2

（2）笔尖笔帽关键点可视化效果

4. 数据集下载

5. 笔尖笔帽关键点检测(Python/C++/Android)

6.特别版: 笔尖指尖检测

1. 前言

目前在AI智慧教育领域，有一个比较火热的教育产品，即指尖点读或者笔尖点读功能，其核心算法就是通过深度学习的方法获得笔尖或者指尖的位置，在通过OCR识别文本，最后通过TTS（TextToSpeech）将文本转为语音；其中OCR和TTS算法都已经研究非常成熟了，而指尖或者笔尖检测的方法也有一些开源的项目可以参考实现。本项目将实现笔尖笔帽关键点检测算法，其中使用YOLOv5模型实现手部检测（手握着笔目标检测），使用HRNet，LiteHRNet和Mobilenet-v2模型实现笔尖笔帽关键点检测。项目分为数据标注，模型训练和Android部署等多个章节，本篇是项目《笔尖笔帽检测》系列文章之笔尖笔帽检测数据集说明；

项目收集了手笔检测数据集和笔尖笔帽关键点检测数据集：

  • 手笔检测数据集（Hand-Pen Detection Dataset）：共收集了四个：Hand-voc1，Hand-voc2和Hand-voc3，Hand-Pen-voc手笔检测数据集总共约7万张图片；标注格式统一转换为VOC数据格式，手部目标框标注为hand，手握着笔的目标框标注为hand_pen，可用于深度学习手部目标检测模型算法开发
  • 笔尖笔帽关键点检测数据集（Pen-tip Keypoints Dataset）：收集了1个数据集：dataset-pen2，标注了手握笔(hand_pen)的目标区域和笔的两端(笔尖和笔帽)；数据集分为测试集Test和训练集Train，其中Test数据集有1075张图片，Train数据集有28603张图片；标注格式统一转换为COCO数据格式，可用于深度学习笔尖笔帽关键点检测模型训练。
  • 数据收集和标注是一件十分繁杂且又费时费力的工作，请尊重我的劳动成果。

 【尊重原则，转载请注明出处】  https://blog.csdn.net/guyuealian/article/details/134070255

  Android笔尖笔帽关键点检测APP Demo体验：

  

 更多项目《笔尖笔帽检测》系列文章请参考：

  • 笔尖笔帽检测1：笔尖笔帽检测数据集(含下载链接)https://blog.csdn.net/guyuealian/article/details/134070255
  • 笔尖笔帽检测2：Pytorch实现笔尖笔帽检测算法(含训练代码和数据集)https://blog.csdn.net/guyuealian/article/details/134070483
  • 笔尖笔帽检测3：Android实现笔尖笔帽检测算法(含源码 可是实时检测)https://blog.csdn.net/guyuealian/article/details/134070497
  • 笔尖笔帽检测4：C++实现笔尖笔帽检测算法(含源码 可是实时检测)https://blog.csdn.net/guyuealian/article/details/134070516

2. 手笔检测数据集

项目已经收集了四个手笔检测数据集（Hand-Pen Detection Dataset）：Hand-voc1，Hand-voc2和Hand-voc3和Hand-Pen-voc，总共约7万张图片

（1）Hand-voc1

Hand-voc1手部检测数据集，该数据来源于国外开源数据集，大部分数据是室内摄像头摆拍的手部数据，不包含人体部分，每张图只含有一只手，分为两个子集：训练集(Train)和测试集(Test)；其中训练集(Train)总数超过30000张图片，测试集(Test)总数2560张​​​​；图片已经使用labelme标注了手部区域目标框box，标注名称为hand，标注格式统一转换为VOC数据格式，可直接用于深度学习目标检测模型训练。

（2）Hand-voc2

Hand-voc2手部检测数据集，该数据来源于国内开源数据集，包含人体部分和多人的情况，每张图含有一只或者多只手，比较符合家庭书桌读写场景的业务数据集，数据集目前只收集了980张图片​​​；图片已经使用labelme标注了手部区域目标框box，标注名称为hand，标注格式统一转换为VOC数据格式，可直接用于深度学习目标检测模型训练。


（3）Hand-voc3

Hand-voc3手部检测数据集来源于国外​HaGRID手势识别数据集；原始HaGRID数据集十分庞大，约有55万张图片，包含了18种常见的通用手势；Hand-voc3数据集是从HaGRID数据集中，每种手势随机抽取2000张图片，总共包含18x2000=36000张图片数据​​​；标注格式统一转换为VOC数据格式，标注名称为hand，可直接用于深度学习目标检测模型训练。

关于HaGRID数据集请参考文章：HaGRID手势识别数据集使用说明和下载

（4）Hand-Pen-voc手笔检测数据集

Hand-Pen-voc手笔检测数据集，该数据是项目专门收集含有手部和书写工具笔的数据，大部分图片数据都含有一只手，并且是手握着笔练习写字的情况，其中书写工具笔的种类包含钢笔、铅笔、中性笔、记号笔等，十分符合学生写字/写作/做笔记/做作业的场景数据。数据集目前共收集了16457张图片​​​；图片已经使用labelme标注了两个目标框hand和hand_pen，标注格式统一转换为VOC数据格式，可直接用于深度学习目标检测模型训练。

  1. 目标框hand: 手部目标框，仅当只有手且没有握着笔的情况下才标注为hand
  2. 目标框hand_pen：手握笔目标框，手握着笔正常书写的目标框；由于手握着笔写字，为了囊括笔的区域，标注手部区域目标框box，会比实际的手部要大点点

（5）手笔目标框可视化效果

需要pip安装pybaseutils工具包，然后使用parser_voc显示手部目标框的绘图效果

pip install pybaseutils

import os
from pybaseutils.dataloader import parser_vocif __name__ == "__main__":# 修改为自己数据集的路径filename = "/path/to/dataset/Hand-voc3/train.txt"class_name = ['hand','hand_pen']dataset = parser_voc.VOCDataset(filename=filename,data_root=None,anno_dir=None,image_dir=None,class_name=class_name,transform=None,use_rgb=False,check=False,shuffle=False)print("have num:{}".format(len(dataset)))class_name = dataset.class_namefor i in range(len(dataset)):data = dataset.__getitem__(i)image, targets, image_id = data["image"], data["target"], data["image_id"]print(image_id)bboxes, labels = targets[:, 0:4], targets[:, 4:5]parser_voc.show_target_image(image, bboxes, labels, normal=False, transpose=False,class_name=class_name, use_rgb=False, thickness=3, fontScale=1.2)

 3. 笔尖笔帽关键点检测数据集

笔的种类繁多，材质颜色不一，但笔的外形基本是长条形状；项目没有直接标注笔的外接矩形框，而是将笔分为笔尖(笔头)和笔帽(笔尾)两个端点，这两个端点连接线，则表示整个笔身长度：

  • 笔尖/笔头关键点：位于笔尖突出尖端点位置,index=0
  • 笔帽/笔尾关键点：位于笔末端点中心点位置,index=1
  • 手握笔标注框： box包含笔和手的区域，一般出现在手握着笔书写的情况，不考虑单独出现笔的情况，标注名称为hand_pen

（1）dataset-pen2

dataset-pen2笔尖笔帽关键点检测数据集，改数据由Hand-Pen-voc手笔检测数据集扩充采集获得，标注了手握笔(hand_pen)的目标区域和笔的两端(笔尖和笔帽)；大部分图片数据都含有一只手，并且是手握着笔练习写字的情况，其中书写工具笔的种类包含钢笔、铅笔、中性笔、记号笔等，十分符合学生写字/写作/做笔记/做作业的场景数据。数据集分为测试集Test和训练集Train，其中Test数据集有1075张图片，Train数据集有28603张图片；标注格式统一转换为COCO数据格式，可用于深度学习笔尖笔帽关键点检测模型训练。

（2）笔尖笔帽关键点可视化效果

需要pip安装pybaseutils工具包，然后使用parser_coco_kps显示手部和笔尖关键点的绘图效果

pip install pybaseutils

import os
from pybaseutils.dataloader import parser_coco_kpsif __name__ == "__main__":# 修改为自己数据集json文件路径anno_file = "/path/to/dataset/dataset-pen2/train/coco_kps.json"class_name = []dataset = parser_coco_kps.CocoKeypoints(anno_file, image_dir="", class_name=class_name,shuffle=False)bones = dataset.bonesfor i in range(len(dataset)):data = dataset.__getitem__(i)image, boxes, labels, keypoints = data['image'], data["boxes"], data["label"], data["keypoints"]print("i={},image_id={}".format(i, data["image_id"]))parser_coco_kps.show_target_image(image, keypoints, boxes, colors=bones["colors"],skeleton=bones["skeleton"],thickness=1)

4. 数据集下载

数据集下载地址：笔尖笔帽检测数据集(含下载链接)

数据集内容包含：

  • 手笔检测数据集：包含Hand-voc1，Hand-voc2和Hand-voc3，Hand-Pen-voc手笔检测数据集总共约7万张图片；标注格式统一转换为VOC数据格式，手部目标框标注为hand，手握着笔的目标框标注为hand_pen，可用于深度学习手部目标检测模型算法开发。

  • 笔尖笔帽关键点检测数据集dataset-pen2，标注了手握笔(hand_pen)的目标区域和笔的两端(笔尖和笔帽)；数据集分为测试集Test和训练集Train，其中Test数据集有1075张图片，Train数据集有28603张图片；标注格式统一转换为COCO数据格式，可用于深度学习笔尖笔帽关键点检测模型训练。

  • 数据收集和标注是一件十分繁杂且又费时费力的工作，请尊重我的劳动成果

5. 笔尖笔帽关键点检测(Python/C++/Android)

本项目基于Pytorch深度学习框架，实现手写工具笔端(笔尖和笔帽)关键点检测，其中手笔检测采用YOLOv5模型，手写工具笔端(笔尖和笔帽)关键点检测是基于开源的HRNet进行改进，构建了整套笔尖笔帽关键点检测的训练和测试流程；为了方便后续模型工程化和Android平台部署，项目支持轻量化模型LiteHRNet和Mobilenet模型训练和测试，并提供Python/C++/Android多个版本

 Android笔尖笔帽关键点检测APP Demo体验：

6.特别版: 笔尖指尖检测

碍于篇幅，本文章只实现了笔尖笔帽关键点检测；实质上，要实现指尖点读或者笔尖点读功能，我们可能并不需要笔帽检测，而是需要实现笔尖+指尖检测功能；其实现方法与笔尖笔帽关键点检测类似。

下面是成功产品落地应用的笔尖+指尖检测算法Demo，其检测精度和速度性能都比笔尖笔帽检测的效果要好。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/170619.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

爬虫项目（12）：正则、多线程抓取腾讯动漫，Flask展示数据

爬虫项目（12）：正则、多线程抓取腾讯动漫，Flask展示数据

文章目录 书籍推荐正则抓取腾讯动漫数据Flask展示数据 书籍推荐 如果你对Python网络爬虫感兴趣，强烈推荐你阅读《Python网络爬虫入门到实战》。这本书详细介绍了Python网络爬虫的基础知识和高级技巧，是每位爬虫开发者的必读之作。详细介绍见&#x1f44…
阅读更多...
Angular 使用教程——基本语法和双向数据绑定

Angular 使用教程——基本语法和双向数据绑定

Angular 是一个应用设计框架与开发平台，旨在创建高效而精致的单页面应用 Angular 是一个基于 TypeScript 构建的开发平台。它包括：一个基于组件的框架，用于构建可伸缩的 Web 应用，一组完美集成的库，涵盖各种功能&…
阅读更多...
OV5640的参数与配置方法

OV5640的参数与配置方法

分辨率和速率（FPS） 寄存器配置 I/O 板的驱动能力和方向控制 system clock control OV5640 PLL 允许输入时钟频率范围为 6~27 MHz，最大 VCO 频率为 800 MHz。 MipiClk 用于 MIPI，SysClk 用于图像信号处理 (ISP) 模块的内部时钟。 …
阅读更多...
怎么批量获取文件名，并保存到excel？

怎么批量获取文件名，并保存到excel？

怎么批量获取文件名？什么叫批量获取文件名，其实也非常好理解，就是面对大量文件是可以一次性的获取所有文件名称，这项技术的应用也是非常常见的，为什么这么说呢？现在很多的文档管理人员或者公司的文员&#…
阅读更多...
利用LangChain实现RAG

利用LangChain实现RAG

检索增强生成（Retrieval-Augmented Generation, RAG）结合了搜寻检索生成能力和自然语言处理架构，透过这个架构，模型可以从外部知识库搜寻相关信息，然后使用这些信息来生成response。要完成检索增强生成主要包含四个步骤…
阅读更多...
数据分析实战 | 贝叶斯分类算法——病例自动诊断分析

数据分析实战 | 贝叶斯分类算法——病例自动诊断分析

目录 一、数据及分析对象 二、目的及分析任务 三、方法及工具 四、数据读入 五、数据理解 六、数据准备 七、模型训练 八、模型评价 九、模型调参 十、模型预测 一、数据及分析对象 CSV文件——“bc_data.csv” 数据集链接：https://download.csdn.net/d…
阅读更多...
持续交付-Jenkinsfile 语法

持续交付-Jenkinsfile 语法

实现 Pipeline 功能的脚本语言叫做 Jenkinsfile，由 Groovy 语言实现。Jenkinsfile 一般是放在项目根目录，随项目一起受源代码管理软件控制，无需像创建"自由风格"项目一样，每次可能需要拷贝很多设置到新项目，…
阅读更多...
Transformer详解一：transformer的由来和先导知识

Transformer详解一：transformer的由来和先导知识

目录 参考资料前言一、预训练二、神经网络语言模型（NNLM）：预测下一个词one-hot编码的缺陷词向量（word embedding） 三、Word2Vec模型：得到词向量CBOWSkip-gramWord2Vec和NNLM的区别Word2Vec的缺陷 四、ELMO模…
阅读更多...
从系统层到应用层，vivo 已在安全生态层

从系统层到应用层，vivo 已在安全生态层

你每隔多久就会使用一次手机？调研结果也许会让你大吃一惊。 权威报告数据显示，2022年，24.9%的受访者每日使用手机时长超过10小时，其中3.8%的受访者“机不离手”，每日使用时长超过15小时。而真正让手机化身为时间吞金兽…
阅读更多...
【Docker】深入理解Docker：一种革新性的容器技术

【Docker】深入理解Docker：一种革新性的容器技术

前言 Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的容器中,然后发布到任何流行的Linux或Windows操作系统的机器上,也可以实现虚拟化,容器是完全使用沙箱机制,相互之间不会有任何接口。 📕作者简介：热…
阅读更多...
Facebook平台特征概述

Facebook平台特征概述

Facebook是全球最大的社交媒体平台之一，拥有数十亿的用户。它的独特特征和功能使其成为人们分享、互动和连接的理想场所。下面小编将讲一下关于Facebook平台的特征的详细概述。 1、用户个人资料 每个Facebook用户都有一个个人资料页面，可以在上面分享个…
阅读更多...
vivado时序分析-3时序分析关键概念

vivado时序分析-3时序分析关键概念

1、时钟相移 时钟相移对应于延迟时钟波形 ， 此波形与因时钟路径内的特殊硬件所导致的参考时钟相关。在 AMD FPGA 中 ， 时钟相移通常是由 MMCM 或 PLL 原语引入的 ， 前提是这些原语的输出时钟属性 CLKOUT*_PHASE 为非零值。 时序分析期间…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023