مجموعة بيانات HomeObjects-3K#

2,686

HomeObjects-3K

ultralytics

publicDetect

HomeObjects-3K is an Ultralytics indoor detection benchmark spanning twelve furniture, appliance, opening, and decor classes. Images cover beds, sofas, chairs, tables, doors, windows, televisions, lamps, and other household objects across varied rooms and viewpoints.

112 classes769.9 MBSep 2, 2026

bedsofachairtable+8

object-detectionindoorhome-objects+1

مجموعة بيانات Ultralytics HomeObjects-3K هي مجموعة بيانات داخلية لـ اكتشاف الأجسام، وتضم 2,689 صورة (2,285 للتدريب و404 للتحقق) مع تسميات موزعة على 12 فئة منزلية يومية — سرير، أريكة، كرسي، طاولة، مصباح، تلفاز، حاسوب محمول، خزانة ملابس، نافذة، باب، نبتة مزروعة في أصيص، وإطار صورة. صُممت لتدريب نماذج الرؤية الحاسوبية وتقييمها، وتستهدف فهم المشاهد الداخلية، وأجهزة المنزل الذكي، والروبوتات، والواقع المعزز.

بنية مجموعة البيانات#

تنقسم مجموعة بيانات HomeObjects-3K إلى مجموعتين فرعيتين محددتين مسبقًا، ويحددهما إعداد HomeObjects-3K.yaml:

تحتوي كل صورة على مربعات إحاطة معنونة بتنسيق Ultralytics YOLO، وهي جاهزة لخطوط أنابيب اكتشاف الأجسام والتتبع.

فئات الأجسام#

تغطي مجموعة البيانات 12 فئة من الأجسام اليومية، تشمل الأثاث والإلكترونيات والعناصر الزخرفية الشائعة في البيئات المنزلية الداخلية:

التطبيقات#

تدعم HomeObjects-3K مجموعة من تطبيقات الرؤية الحاسوبية الداخلية في مجالي البحث وتطوير المنتجات:

• اكتشاف الأجسام الداخلية: استخدم نماذج مثل Ultralytics YOLO26 للعثور على العناصر المنزلية الشائعة مثل الأسرّة والكراسي والمصابيح والحواسيب المحمولة وتحديد مواقعها في الصور، من أجل فهم المشاهد الداخلية في الوقت الفعلي.

• تحليل تخطيط المشهد: ساعد أنظمة الروبوتات والمنزل الذكي على فهم كيفية ترتيب الغرف — ومواقع الأبواب والنوافذ والأثاث — حتى تتمكن الأجهزة من التنقل بأمان والتفاعل مع بيئتها.

• تطبيقات الواقع المعزز: شغّل ميزات التعرّف على الأجسام في تطبيقات الواقع المعزز. فعلى سبيل المثال، اكتشف أجهزة التلفاز أو خزائن الملابس وأضف إليها معلومات أو تأثيرات إضافية.

• التعليم والبحث: وفّر للطلاب والباحثين مجموعة بيانات جاهزة للاستخدام للتدرب على اكتشاف الأجسام الداخلية باستخدام أمثلة من العالم الحقيقي.

• جرد المنزل وتتبع الأصول: اكتشف عناصر المنزل وأدرجها تلقائيًا في الصور أو مقاطع الفيديو، وهو أمر مفيد لإدارة الممتلكات وتنظيم المساحات أو تصور الأثاث في العقارات.

لوَسْم صورك الداخلية الخاصة وتدريب النماذج وإدارة إصدارات مجموعات البيانات في متصفحك، نفّذ سير العمل الكامل باستخدام Ultralytics Platform.

YAML مجموعة البيانات#

يعرّف الملف HomeObjects-3K.yaml إعداد مجموعة البيانات — مسارات صور التدريب والتحقق وقائمة فئات الأجسام. ويُصان هذا الملف في مستودع Ultralytics على https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# HomeObjects-3K dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/homeobjects-3k
# Example usage: yolo train data=HomeObjects-3K.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── homeobjects-3K ← downloads here (390 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: homeobjects-3K # dataset root dir
train: images/train # train images (relative to 'path') 2285 images
val: images/val # val images (relative to 'path') 404 images

# Classes
names:
  0: bed
  1: sofa
  2: chair
  3: table
  4: lamp
  5: tv
  6: laptop
  7: wardrobe
  8: window
  9: door
  10: potted plant
  11: photo frame

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/homeobjects-3K.zip

الاستخدام#

يمكنك تدريب نموذج YOLO26n على مجموعة بيانات HomeObjects-3K لمدة 100 حقبة باستخدام حجم صورة قدره 640. تُنزّل مجموعة البيانات (390 ميغابايت) تلقائيًا عند الاستخدام الأول. توضّح الأمثلة أدناه كيفية البدء. لمزيد من خيارات التدريب والإعدادات التفصيلية، راجع دليل التدريب.

from ultralytics import YOLO

# Load pretrained model
model = YOLO("yolo26n.pt")

# Train the model on HomeObjects-3K dataset
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)

الصور والتعليقات التوضيحية النموذجية#

يعرض المثال أدناه مشهدًا داخليًا من مجموعة البيانات مع تعليقات مربعات الإحاطة الخاصة به، موضحًا مواضع الأجسام ومقاييسها وعلاقاتها المكانية التي تتعلم النماذج اكتشافها.

الترخيص ونَسب المصدر#

طوّر فريق Ultralytics مجموعة بيانات HomeObjects-3K وأصدرها بموجب ترخيص AGPL-3.0، دعمًا للبحث مفتوح المصدر والاستخدام التجاري مع الإسناد المناسب.

إذا استخدمت مجموعة البيانات هذه في بحثك، يُرجى الاقتباس منها باستخدام التفاصيل المذكورة:

@dataset{Jocher_Ultralytics_Datasets_2025,
    author = {Jocher, Glenn and Rizwan, Muhammad},
    license = {AGPL-3.0},
    month = {May},
    title = {Ultralytics Datasets: HomeObjects-3K Detection Dataset},
    url = {https://docs.ultralytics.com/datasets/detect/homeobjects-3k},
    version = {1.0.0},
    year = {2025}
}

الأسئلة الشائعة#