HaGRID – Hand Gesture Recognition Image Dataset

Jeu de données massif d’images de gestes de la main (552 992 échantillons), réparties en 18 classes, avec annotations précises pour la détection et le suivi.

Télécharger le dataset

Taille

552 992 images Full HD annotées en COCO + 21 points landmarks, 18 classes

Licence

CC BY-SA 4.0

Description

‍

HaGRID est un vaste dataset de reconnaissance de gestes de la main, composé de plus de 550 000 images Full HD capturées dans des conditions variées (lumière naturelle, artificielle, contre-jour…). Il couvre 18 classes de gestes ainsi qu’une classe « no_gesture » pour le bruit. Les images sont accompagnées d’annotations COCO (bounding boxes), de 21 points de repère (landmarks), et d’informations supplémentaires sur la main principale.

‍

À quoi sert ce dataset ?

‍

Entraîner des modèles de reconnaissance de gestes pour la visioconférence (Zoom, Skype…)
Développer des interfaces gestuelles dans le secteur automobile ou la domotique
Tester des algorithmes de détection de la main et suivi de mouvements précis

‍

Peut-on l’enrichir ou l’améliorer ?

‍

Oui, le dataset peut être adapté à des cas d’usage spécifiques en filtrant certaines classes ou en complétant avec des vidéos. Il est également possible d’améliorer la diversité en ajoutant d’autres populations ou contextes culturels. Les annotations peuvent aussi être affinées pour des tâches de segmentation ou classification multi-mains.

‍

🔎 En résumé

Critère	Évaluation
🧩 Facilité d’utilisation	⭐⭐⭐✩✩ (Prévoir stockage important et parsing COCO)
🧼 Besoin de nettoyage	⭐⭐⭐⭐⭐ (Faible – annotations de qualité, bien structurées)
🏷️ Richesse des annotations	⭐⭐⭐⭐⭐ (COCO + landmarks + métadonnées utilisateur)
📜 Licence commerciale	✅ Oui (CC BY-SA 4.0)
👨‍💻 Idéal pour les débutants	⚠️ Volume et complexité élevée, mieux pour profils intermédiaires
🔁 Réutilisable en fine-tuning	🎯 Excellente base pour fine-tuning en vision par ordinateur
🌍 Diversité culturelle	🌏 34 730 personnes uniques – diversité bien représentée