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.

112 classes769.9 MBSep 2, 2026

bedsofachairtable+8

object-detectionindoorhome-objects+1

Ultralytics HomeObjects-3Kデータセットは、12種類の日常的な家庭用品クラス（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）につい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）からなる屋内用の物体検出データセットです。コンピュータビジョンモデルのトレーニングとベンチマーク向けに構築されており、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設定によって定義された、あらかじめ用意された2つの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付与されており、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。

物体クラス#

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、装飾品にまたがる、12種類の日常的な物体カテゴリを収録しています。

アプリケーション#

HomeObjects-3Kは、研究および製品開発における幅広い屋内コンピュータビジョンアプリケーションをサポートします。

• 屋内物体検出: Ultralytics YOLO26などのモデルを使用して、画像内のベッド、椅子、ランプ、ノートパソコンなど、一般的な家庭用品を検出・位置特定し、屋内シーンをリアルタイムに理解します。

• 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、家具の配置など、部屋の構成を理解できるようにします。これにより、デバイスは安全に移動し、周囲の環境とインタラクションできます。

• 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、その上に追加情報やエフェクトを重ねて表示できます。

• 教育と研究: 学生や研究者が実世界の例を使って屋内物体検出を練習できる、すぐに利用可能なデータセットを提供します。

• ホームインベントリと資産トラッキング: 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可視化などに役立ちます。

独自の屋内画像へのラベル付け、トレーニング、データセットバージョンのブラウザ上での管理を行うには、Ultralytics Platformで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、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を含むデータセット設定を定義します。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的にダウンロードされます。以下の例では、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、バウンディングボックスアノテーション付きのデータセット内の屋内シーンを示しており、モデルが検出対象として学習する物体の位置、スケール、空間的な関係を表しています。

ライセンスと帰属表示#

HomeObjects-3Kは、**Ultralytics team**によって開発・公開され、AGPL-3.0 Licenseの下で提供されています。適切な帰属表示により、オープンソース研究と商用利用をサポートします。

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情報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}
}

FAQ#