Link to this sectionHomeObjects-3Kデータセット#

The Ultralytics HomeObjects-3K dataset is an indoor object detection dataset of 2,689 images (2,285 training and 404 validation) labeled across 12 everyday household classes — bed, sofa, chair, table, lamp, tv, laptop, wardrobe, window, door, potted plant, and photo frame. Built for training and benchmarking computer vision models, it targets indoor scene understanding, smart home devices, robotics, and augmented reality.

Link to this sectionデータセットの構造#

HomeObjects-3Kデータセットは、HomeObjects-3K.yaml設定ファイル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ています。

各画像にはUltralytics YOLO形式のバウンディングボックスがラベル付けされており、物体検出およびトラッキングパイプラインですぐに使用できます。

Link to this section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。

Link to this section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。

• 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、ノートパソコンといった一般的な家庭用品を発見・特定し、屋内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アプリケーション: 拡張現実アプリにおける物体認識機能を強化します。例えば、テレビやワードローブを検出し、その上に付加情報やエフェクトを重ね合わせることができます。

• 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。

独自の屋内画像をラベル付けし、データセットのバージョンをブラウザ上でトレーニング・管理するには、Ultralytics Platformでフルワークフローを実行してください。

Link to this sectionデータセット YAML#

HomeObjects-3K.yamlファイルは、トレーニング用および検証用の画像パスとオブジェクトクラスのリストといったデータセットの設定を定義します。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

Link to this section使用方法#

HomeObjects-3Kデータセットを使用して、画像サイズ640で100エポックのYOLO26nモデルを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。以下の例で使用を開始する方法を確認できます。トレーニングのその他の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確認ください。

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)

Link to this section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。

Link to this sectionライセンスおよび帰属#

HomeObjects-3Kは、**Ultralyticsチーム**によって開発・公開されており、AGPL-3.0ライセンスの下で、適切な帰属表示を行うことを条件にオープンソース研究および商用利用をサポートしています。

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}
}

Link to this sectionよくある質問 (FAQ)#

Link to this sectionHomeObjects-3Kデータセットは何のために設計されていますか？#

HomeObjects-3Kは、屋内シーンにおけるベッド、ソファ、テレビ、ランプといった日常的な家庭用品を検出するために設計されています。これにより、リアルタイムのエッジデプロイメントと学術研究の両方において、スマートホーム、ロボティクス、拡張現実、屋内監視システムに最適です。

Link to this sectionHomeObjects-3Kデータセットには何枚の画像と何種類のクラスが含まれていますか？#

HomeObjects-3Kには合計2,689枚の画像（トレーニング用2,285枚、検証用404枚）が含まれており、個別のテスト分割はありません。すべての画像には、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種類のオブジェクトクラスがラベル付けされています。

Link to this sectionどのオブジェクトカテゴリが含まれており、なぜそれらが選択されたのですか？#

このデータセットには、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、フォトフレームなど、最も一般的に遭遇する家庭用品のうち12種類が含まれています。これらのオブジェクトは、現実的な屋内環境を反映し、AR/VRアプリケーションにおけるロボットのナビゲーションやシーン理解などのタスクをサポートするために選ばれました。

Link to this sectionHomeObjects-3Kデータセットはどのようにダウンロードしますか？#

データセット（390 MB）は、data="HomeObjects-3K.yaml"を使用して初めてトレーニングを行う際に自動的にダウンロードされるため、手動のステップは不要です。Ultralyticsは画像とラベルを取得し、ローカルのデータセットディレクトリに解凍します。関連するデータセットは検出データセットの概要から確認できます。

Link to this sectionHomeObjects-3Kデータセットを使用してYOLOモデルをトレーニングするにはどうすればよいですか？#

YOLO26nのようなYOLOモデルをトレーニングするには、HomeObjects-3K.yaml設定ファイルと事前学習済みモデルの重みが必要です。トレーニングは単一のPythonまたはCLIコマンドで開始でき、エポック数、画像サイズ、バッチサイズなどのパラメータをターゲットのパフォーマンスやハードウェアに合わせてカスタマイズできます。

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)

Link to this sectionこのデータセットは初心者向けのプロジェクトに適していますか？#

はい。標準化されたYOLO形式のアノテーションとコンパクトなサイズにより、HomeObjects-3Kは、屋内シナリオにおける実際の物体検出を学習する学生や愛好家にとって強力な入門用データセットとなります。

Link to this sectionアノテーション形式とYAMLはどこで見つけられますか？#

データセットYAMLセクションを参照してください。形式は標準的なYOLOであるため、ほとんどのオブジェクト検出パイプラインと互換性があります。