Dataset 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.

212 classes769.9 MBSep 2, 2026

bedsofachairtable+8

object-detectionindoorhome-objects+1

Il dataset HomeObjects-3K di Ultralytics è un dataset per il rilevamento degli oggetti in ambienti interni, composto da 2.689 immagini (2.285 per l'addestramento e 404 per la convalida) etichettate con 12 classi di oggetti domestici di uso comune: letto, divano, sedia, tavolo, lampada, TV, laptop, armadio, finestra, porta, pianta in vaso e cornice per foto. Creato per addestrare e confrontare le prestazioni dei modelli di visione artificiale, è pensato per la comprensione delle scene interne, i dispositivi per la casa intelligente, la robotica e la realtà aumentata.

Struttura del dataset#

Il dataset HomeObjects-3K è suddiviso in due sottoinsiemi predefiniti, specificati dalla configurazione HomeObjects-3K.yaml:

Ogni immagine è etichettata con riquadri di delimitazione nel formato Ultralytics YOLO, pronta per le pipeline di rilevamento degli oggetti e tracciamento.

Classi di oggetti#

Il dataset comprende 12 categorie di oggetti di uso quotidiano, tra mobili, dispositivi elettronici e articoli decorativi comunemente presenti negli ambienti domestici interni:

Applicazioni#

HomeObjects-3K supporta diverse applicazioni di visione artificiale in ambienti interni per la ricerca e lo sviluppo di prodotti:

• Rilevamento di oggetti in interni: usa modelli come Ultralytics YOLO26 per individuare oggetti domestici comuni, come letti, sedie, lampade e laptop, nelle immagini e comprendere in tempo reale le scene interne.

• Analisi della disposizione degli ambienti: aiuta i sistemi robotici e per la casa intelligente a comprendere la disposizione delle stanze — dove si trovano porte, finestre e mobili — così che i dispositivi possano spostarsi in sicurezza e interagire con l'ambiente.

• Applicazioni AR: abilita funzionalità di riconoscimento degli oggetti nelle app di realtà aumentata. Per esempio, rileva TV o armadi e sovrapponi informazioni aggiuntive o effetti.

• Formazione e ricerca: offre a studenti e ricercatori un dataset pronto all'uso per esercitarsi nel rilevamento di oggetti in ambienti interni con esempi del mondo reale.

• Inventario domestico e tracciamento dei beni: rileva ed elenca automaticamente gli oggetti domestici in foto o video, un'operazione utile per gestire i propri beni, organizzare gli spazi o visualizzare i mobili negli immobili.

Per etichettare le tue immagini di interni, addestrare modelli e gestire le versioni dei dataset nel browser, esegui l'intero flusso di lavoro con Ultralytics Platform.

YAML del dataset#

Il file HomeObjects-3K.yaml definisce la configurazione del dataset: i percorsi delle immagini di addestramento e convalida e l'elenco delle classi di oggetti. Il file è gestito nel repository Ultralytics in 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

Utilizzo#

Puoi addestrare un modello YOLO26n sul dataset HomeObjects-3K per 100 epoche con una dimensione delle immagini di 640. Il dataset (390 MB) viene scaricato automaticamente al primo utilizzo. Gli esempi seguenti mostrano come iniziare. Per altre opzioni di addestramento e impostazioni dettagliate, consulta la guida all'addestramento.

from ultralytics import YOLO

# Carica il modello preaddestrato
model = YOLO("yolo26n.pt")

# Addestra il modello sul dataset HomeObjects-3K
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)

Immagini di esempio e annotazioni#

L'esempio seguente mostra una scena interna del dataset con le annotazioni dei riquadri di delimitazione, che illustrano le posizioni, le dimensioni e le relazioni spaziali degli oggetti che i modelli imparano a rilevare.

Licenza e attribuzione#

HomeObjects-3K è sviluppato e distribuito dal team Ultralytics con licenza AGPL-3.0, a sostegno della ricerca open source e dell'uso commerciale con la corretta attribuzione.

Se usi questo dataset nella tua ricerca, cita il dataset usando i dettagli indicati:

@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}
}

Domande frequenti#