HomeObjects-3Kデータセット#

Ultralytics HomeObjects-3K データセットは、ベッド、ソファ、椅子、テーブル、ランプ、テレビ、ノートPC、ワードローブ、窓、ドア、観葉植物、写真フレームの日常的な12の家庭用クラスにわたってラベル付けされた、2,689枚の画像（トレーニング用2,285枚、検証用404枚）からなる屋内のobject detectionデータセットです。computer visionモデルのトレーニングとbenchmarking向けに構築されており、屋内シーン理解、スマートホームデバイス、robotics、および拡張現実を対象としています。

データセットの構造#

HomeObjects-3K データセットは、HomeObjects-3K.yaml 設定によって定義される2つの事前定義されたサブセットに分割されます：

各画像には、Ultralytics YOLO 形式のバウンディングボックスのラベル付けがされており、object detectionおよびtrackingパイプラインの準備が整っています。

オブジェクトクラス#

このデータセットは、屋内の家庭環境で一般的に見られる家具、電子機器、装飾品にわたる12種類の日常的なオブジェクトカテゴリをカバーしています。

アプリケーション#

HomeObjects-3Kは、研究および製品開発全体にわたる幅広い屋内のコンピュータビジョンアプリケーションをサポートしています。

• Indoor object detection: 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PCなどの一般的な家庭用アイテムを検出・特定し、屋内のシーンをリアルタイムで理解します。

• シーンレイアウト解析: ロボティクスやスマートホームシステムが、ドア、窓、家具の配置といった部屋の構造を理解できるようにし、デバイスが安全に移動して環境と対話できるようにします。

• AR applications: 拡張現実アプリでobject recognition機能を有効にします。たとえば、テレビやワードローブを検出し、それらに追加情報やエフェクトを重ねて表示します。

• 教育および研究: 学生や研究者に、実際の例を用いて屋内物体検出を練習するためのすぐに使えるデータセットを提供します。

• ホームインベントリとアセットトラッキング: 写真や動画内の家庭用品を自動的に検出してリスト化します。これは、所持品の管理、スペースの整理、または不動産における家具の視覚化に役立ちます。

ブラウザで独自の屋内画像のラベル付け、トレーニング、およびデータセットバージョンの管理を行うには、Ultralytics Platform を使用して完全なワークフローを実行します。

データセット YAML#

HomeObjects-3K.yaml ファイルは、データセットの設定（トレーニングおよび検証画像のパスとオブジェクトクラスのリスト）を定義します。これは https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yaml の Ultralytics リポジトリでメンテナンスされています。

# 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#

画像サイズ 640 を使用して、HomeObjects-3K データセットで YOLO26n モデルを 100 エポック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的にダウンロードされます。以下の例は、開始方法を示しています。その他のトレーニングオプションや詳細な設定については、Training ガイドを確認してください。

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)

サンプル画像とアノテーション#

以下のサンプルは、データセット内の屋内シーンとそのバウンディングボックスアノテーションを示しており、モデルが検出を学習する際のオブジェクトの位置、スケール、および空間的な関係を示しています。

ライセンスおよび帰属#

HomeObjects-3K は、**Ultralytics team**によって開発および公開され、適切な帰属表示のもとでオープンソースの研究および商用利用をサポートするAGPL-3.0 Licenseの下で提供されています。

研究でこのデータセットを使用する場合は、以下の詳細を使用し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 (FAQ)#