MFH数据集
多视角细粒度手部卫生数据集，含73万样本，6摄像头7类别，用于手势识别，具有类内差异大、类间差异小等特点。
基本信息
资源简介
MFH数据集是一个多视角细粒度手部卫生数据集，包含731,147个样本，由6个不同位置的摄像头采集，共7个类别。该数据集用于手部卫生场景下的手势识别任务，具有类内差异大、类间差异小及训练推理阶段数据分布不匹配的特点，提供更现实的基准测试。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取（ModelScope）
方式一：MsDataset（Python）
# 前置依赖: pip install modelscope
from modelscope.msdatasets import MsDataset
ds = MsDataset.load("OmniData/MFH", subset_name="default", split="train")
print(ds)
方式二：CLI（命令行）
pip install modelscope
modelscope download dataset OmniData/MFH
数据集卡片摘录（源站）
displayName: MFH
license:
-
MIT
taskTypes: []
mediaTypes: -
Image
labelTypes: []
tags: -
attrs: null
id: 1257
name:
en: Handgesture-recognition
zh: 手势识别 -
attrs: null
id: 1258
name:
en: Medtech
zh: 医疗技术
publisher: -
Willogy
-
AIOZ
-
Blood Transfusion Hematology Hospital
publishDate: ‘‘2021-01-01’’
publishUrl: https://github.com/willogy-team/hand-gesture-recognition-smc2021
paperUrl: https://arxiv.org/pdf/2109.02917.pdf -
简介
MFH 数据集是一个多视点细粒度的手部卫生数据集。它总共包含 73,1147 个样本，这些样本由 6 个不同位置的 6 个摄像机视图收集。所有样本总共分为 7 个类别。 MFH 数据集与现有数据集的区别在于三个方面：大的类内差异、细微的类间差异以及训练阶段和推理阶段之间的数据分布不匹配。因此，该数据集提供了更现实的基准。
引文
@inproceedings{vo2021fine,
title={Fine-grained Hand Gesture Recognition in Multi-viewpoint Hand Hygiene},
author={Vo, Huy Q and Do, Tuong and Pham, Vi C and Nguyen, Duy and Duong, An T and Tran, Quang D},
booktitle={2021 IEEE International Conference on Systems, Man, and Cybernetics (SMC)},
pages={14431448},
year={2021},
organization={IEEE}
}
## Download dataset
:modelscope-code[]{type="git"}
## 许可
[MIT]
## 数据加载示例（图像类）
```python
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 其他 的高质量、多模态真实临床数据定制解决方案。
