HomeObjects-3Kデータセット

The HomeObjects-3K dataset is a curated collection of common household object images, designed for training, testing, and benchmarking computer vision models. Featuring ~3,000 images and 12 distinct object classes, this dataset is ideal for research and applications in indoor scene understanding, smart home devices, robotics, and augmented reality.

Watch: How to Train Ultralytics YOLO26 on HomeObjects-3K Dataset | Detection, Validation & ONNX Export 🚀

データセットの構造

HomeObjects-3Kデータセットは、以下のサブセットで構成されています。

トレーニングセット: ソファ、椅子、テーブル、ランプなどのオブジェクトを含む2,285枚のアノテーション済み画像で構成されています。
検証セット: モデルのパフォーマンスを評価するために指定された404枚のアノテーション済み画像が含まれています。

各画像は、Ultralytics YOLO形式に準拠したバウンディングボックスを使用してラベル付けされています。屋内照明、オブジェクトのスケール、向きの多様性により、実際の展開シナリオにおいても堅牢です。

オブジェクトクラス

このデータセットは、家具、電化製品、装飾品など、日常生活における12種類のオブジェクトカテゴリーをサポートしています。これらのクラスは、屋内の家庭環境で一般的に遭遇するアイテムを反映するように選定されており、物体検出やオブジェクトトラッキングといったビジョンタスクをサポートします。

!!! Tip "HomeObjects-3Kクラス"

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

アプリケーション

HomeObjects-3Kは、研究から実際の製品開発に至るまで、屋内コンピュータビジョンにおける幅広いアプリケーションを実現します。

屋内物体検出: Ultralytics YOLO26などのモデルを使用して、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アイテムを画像内で特定および位置特定します。これは、屋内シーンのリアルタイム理解に役立ちます。
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において、このデータセットはデバイスが部屋の構成やドア、窓、家具などの配置を理解するのに役立ち、安全なナビゲーションや環境との適切な相互作用を可能にします。
ARアプリケーション: 拡張現実（AR）を使用するアプリの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て、それらに関連する追加情報やエフェクトを表示することが可能です。
教育と研究: 学生や研究者に、実際の例を用いた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、学習や学術プロジェクトを支援します。
ホームインベントリと資産管理: 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、所有物の管理、スペースの整理、あるいは不動産における家具の視覚化に役立ちます。

データセットYAML

HomeObjects-3Kデータセットの構成は、YAMLファイルを通じて提供されます。このファイルには、学習および検証用ディレクトリの画像パスやオブジェクトクラスのリストなど、重要な情報が概説されています。 HomeObjects-3K.yamlファイルには、以下のUltralyticsリポジトリから直接アクセスできます: https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yaml

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

使用方法

HomeObjects-3Kデータセット上で、画像サイズ640を使用してYOLO26nモデルを100エポックトレーニングすることができます。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、トレーニングガイドを確認してください。

トレーニングの例

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

このデータセットは、自然な家庭環境における幅広い家庭用オブジェクトを捉えた、屋内シーン画像の豊富なコレクションを特徴としています。以下はデータセットのサンプルビジュアルで、それぞれに対応するアノテーションがペアになっており、オブジェクトの位置、スケール、空間的な関係を示しています。

HomeObjects-3Kデータセットの家庭用品サンプル

ライセンスと帰属

HomeObjects-3Kは、**Ultralyticsチーム**によって開発および公開されており、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。

このデータセットを研究で使用する場合は、記載されている詳細を使用して引用してください。

引用

@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}
}

FAQ

HomeObjects-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、屋内シーンに対するAIの理解を向上させるために作成されました。ベッド、ソファ、テレビ、ランプといった日常的な家庭用アイテムの検出に焦点を当てており、スマートホーム、ロボティクス、拡張現実、屋内監視システムなどのアプリケーションに最適です。リアルタイムのエッジデバイス向けモデルのトレーニングであれ、学術研究であれ、このデータセットはバランスの取れた基盤を提供します。

どのようなオブジェクトカテゴリーが含まれており、なぜそれらが選ばれたのですか？

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、フォトフレームという、最も一般的に遭遇する12種類の家庭用アイテムが含まれています。これらのオブジェクトは、現実的な屋内環境を反映し、ロボットナビゲーションやAR/VRアプリケーションにおけるシーン生成などの多目的タスクをサポートするために選ばれました。

HomeObjects-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構成ファイルと事前学習済みモデルの重みが必要です。Pythonを使用する場合でもCLIを使用する場合でも、単一のコマンドでトレーニングを開始できます。目標とするパフォーマンスやハードウェア構成に応じて、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カスタマイズすることが可能です。

トレーニングの例

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)

このデータセットは初心者レベルのプロジェクトに適していますか？

もちろんです。クリーンなラベル付けと標準化されたYOLO互換のアノテーションにより、HomeObjects-3Kは、屋内シナリオにおける実際の物体検出を探求したい学生やホビイストにとって素晴らしい入門点となります。また、商用環境におけるより複雑なアプリケーションに対しても十分にスケーラブルです。

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であり、ほとんどの物体検出パイプラインと互換性があります。

Contributors

GLglenn-jocher⁴ RIRizwanMunawar³ RAraimbekovm¹

Created 2025年5月10日Updated 2 か月前