HomeObjects-3Kデータセット#

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.

312 classes769.9 MBSep 2, 2026

bedsofachairtable+8

object-detectionindoorhome-objects+1

Ultralytics HomeObjects-3Kデータセットは、2,689枚の画像（トレーニング用2,285枚、検証用404枚）で構成される屋内物体検出データセットです。ベッド、ソファ、椅子、テーブル、ランプ、テレビ、ノートパソコン、ワードローブ、窓、ドア、鉢植え、フォトフレームの12種類の日用品クラスにラベルが付けられています。コンピュータービジョンモデルのトレーニングとベンチマーク用に構築されており、屋内シーンの理解、スマートホームデバイス、ロボティクス、拡張現実を対象としています。

データセットの構成#

HomeObjects-3Kデータセットは、HomeObjects-3K.yaml設定で定義された2つの事前定義済みサブセットに分割されています。

各画像にはUltralytics YOLO形式でバウンディングボックスが付与されており、物体検出およびトラッキングのパイプラインですぐに使用できます。

物体クラス#

このデータセットには、屋内の家庭環境でよく見られる家具、電子機器、装飾品にまたがる12種類の日用品カテゴリーが含まれています。

用途#

HomeObjects-3Kは、研究および製品開発におけるさまざまな屋内コンピュータービジョンの用途に対応しています。

• 屋内物体検出：Ultralytics YOLO26のようなモデルを使用して、画像内のベッド、椅子、ランプ、ノートパソコンなどの一般的な家庭用品を検出・特定し、屋内シーンをリアルタイムで理解できます。

• シーンレイアウト解析：部屋の配置、つまりドア、窓、家具の位置をロボティクスやスマートホームシステムが把握できるようにし、デバイスが安全に移動して周囲の環境とやり取りできるようにします。

• ARアプリケーション：拡張現実アプリの物体認識機能を実現します。たとえば、テレビやワードローブを検出し、追加情報やエフェクトを重ねて表示できます。

• 教育および研究：学生や研究者が実例を使って屋内物体検出を練習できる、すぐに使用可能なデータセットを提供します。

• 家庭内の物品管理と資産追跡：写真や動画から家庭用品を自動で検出・一覧化します。持ち物の管理、空間の整理、不動産における家具の視覚化に役立ちます。

屋内画像のラベル付け、トレーニング、データセットのバージョン管理をブラウザーで行うには、Ultralytics Platformを使用してワークフロー全体を実行します。

データセットYAML#

HomeObjects-3K.yamlファイルはデータセットの設定を定義し、トレーニング画像と検証画像のパス、および物体クラスの一覧が含まれています。このファイルはUltralyticsリポジトリのhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yamlで管理されています。

# 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

使用方法#

HomeObjects-3KデータセットでYOLO26nモデルを、画像サイズ640、100エポックでトレーニングできます。データセット（390 MB）は初回使用時に自動でダウンロードされます。以下の例で開始方法を示します。その他のトレーニングオプションや詳細設定については、トレーニングガイドをご覧ください。

from ultralytics import YOLO

# 事前学習済みモデルを読み込みます
model = YOLO("yolo26n.pt")

# HomeObjects-3Kデータセットでモデルをトレーニングします
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)

サンプル画像とアノテーション#

以下のサンプルは、バウンディングボックスのアノテーションが付いたデータセット内の屋内シーンを示しています。モデルが検出対象として学習する物体の位置、スケール、空間的な関係を確認できます。

ライセンスと帰属表示#

HomeObjects-3KはUltralyticsチームが開発・公開し、AGPL-3.0ライセンスのもとで、適切な帰属表示を条件にオープンソース研究および商用利用を支援しています。

このデータセットを研究に使用する場合は、記載されている情報を使って引用してください。

@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}
}

よくある質問#