HomeObjects-3K 데이터셋#

Ultralytics HomeObjects-3K 데이터셋은 침대, 소파, 의자, 테이블, 램프, tv, 노트북, 옷장, 창문, 문, 화분, 액자의 12가지 일상 가정용 클래스로 레이블이 지정된 2,689개의 이미지(훈련용 2,285개, 검증용 404개)로 구성된 실내 object detection 데이터셋입니다. computer vision 모델의 훈련 및 benchmarking을 위해 구축되었으며, 실내 장면 이해, 스마트 홈 기기, robotics 및 증강 현실을 타겟으로 합니다.

데이터셋 구조#

HomeObjects-3K 데이터셋은 HomeObjects-3K.yaml 구성에 의해 정의된 두 개의 사전 정의된 서브셋으로 분할됩니다:

각 이미지는 Ultralytics YOLO 형식의 바운딩 박스로 레이블이 지정되어 있으며, object detection 및 tracking 파이프라인에 바로 사용할 수 있습니다.

사물 클래스#

이 데이터셋은 실내 가정 환경에서 흔히 볼 수 있는 가구, 전자제품 및 장식품을 아우르는 12가지 일상 객체 카테고리를 다룹니다:

응용 분야#

HomeObjects-3K는 연구 및 제품 개발 전반에 걸쳐 다양한 실내 컴퓨터 비전 애플리케이션을 지원합니다:

• 실내 객체 감지: Ultralytics YOLO26과 같은 모델을 사용하여 이미지에서 침대, 의자, 램프, 노트북과 같은 일반적인 가정용품을 찾아내고 위치를 파악함으로써 실내 공간을 실시간으로 이해합니다.

• 장면 레이아웃 파싱: 로봇 및 스마트 홈 시스템이 문, 창문, 가구가 어디에 위치하는지 등 방의 구조를 이해하도록 도와 기기가 안전하게 이동하고 환경과 상호 작용할 수 있게 합니다.

• AR 애플리케이션: 증강 현실 앱에서 object recognition 기능을 구동합니다. 예를 들어, TV나 옷장을 감지하고 그 위에 추가 정보나 효과를 오버레이합니다.

• 교육 및 연구: 학생과 연구자들에게 실제 사례를 통해 실내 객체 탐지를 연습할 수 있는 즉시 사용 가능한 데이터셋을 제공합니다.

• 가정 내 인벤토리 및 자산 추적: 사진이나 영상에서 가정용 사물을 자동으로 탐지하고 목록화하며, 이는 자산 관리, 공간 정리, 또는 부동산 분야에서의 가구 배치 시각화에 유용합니다.

브라우저에서 자신만의 실내 이미지에 레이블을 지정하고, 훈련하며, 데이터셋 버전을 관리하려면 Ultralytics Platform을 사용하여 전체 워크플로우를 실행하세요.

데이터셋 YAML#

HomeObjects-3K.yaml 파일은 훈련 및 검증 이미지 경로와 객체 클래스 목록을 포함하는 데이터셋 구성을 정의합니다. 이 파일은 Ultralytics 저장소의 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yaml에서 유지 관리됩니다.

# 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

사용법#

640 이미지 크기를 사용하여 HomeObjects-3K 데이터셋에서 YOLO26n 모델을 100 에포크 동안 훈련할 수 있습니다. 데이터셋(390 MB)은 처음 사용할 때 자동으로 다운로드됩니다. 아래 예제는 시작하는 방법을 보여줍니다. 더 많은 훈련 옵션과 세부 설정은 Training 가이드를 확인하세요.

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)

샘플 이미지 및 주석#

아래 샘플은 데이터셋의 실내 장면과 바운딩 박스 어노테이션을 보여주며, 모델이 탐지하도록 학습하는 객체의 위치, 크기 및 공간적 관계를 설명합니다.

라이선스 및 귀속#

HomeObjects-3K는 오픈소스 연구와 적절한 저작권 표시를 통한 상업적 사용을 지원하기 위해 **Ultralytics team**에서 AGPL-3.0 License로 개발 및 배포합니다.

연구에 이 데이터셋을 사용하는 경우 명시된 세부 정보를 사용하여 인용해 주십시오:

@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 데이터셋은 어떤 용도로 설계되었나요?#

HomeObjects-3K는 실내 장면에서 침대, 소파, TV, 램프와 같은 일상적인 가정용품을 탐지하기 위해 설계되었습니다. 이로 인해 실시간 엣지 배포 및 학술 연구 모두에서 스마트 홈, 로봇 공학, 증강 현실 및 실내 모니터링 시스템에 매우 적합합니다.

HomeObjects-3K 데이터셋에는 몇 개의 이미지와 클래스가 포함되어 있습니까?#

HomeObjects-3K는 총 2,689개의 이미지를 포함하며, 학습용 2,285개와 검증용 404개로 구성되어 있고 별도의 테스트 세트는 없습니다. 모든 이미지는 침대, 소파, 의자, 테이블, 램프, TV, 노트북, 옷장, 창문, 문, 화분, 액자 등 12가지 객체 클래스로 라벨링되어 있습니다.

어떤 사물 카테고리가 포함되어 있으며, 왜 선택되었나요?#

이 데이터셋에는 침대, 소파, 의자, 테이블, 램프, TV, 노트북, 옷장, 창문, 문, 화분, 액자 등 가장 흔히 접하는 12가지 가정용 아이템이 포함되어 있습니다. 이러한 객체들은 실제와 유사한 실내 환경을 반영하고 AR/VR 애플리케이션에서의 로봇 내비게이션 및 장면 이해와 같은 작업을 지원하기 위해 선택되었습니다.

HomeObjects-3K 데이터셋은 어떻게 다운로드합니까?#

data="HomeObjects-3K.yaml"(으)로 처음 훈련을 시작할 때 데이터셋(390 MB)이 자동으로 다운로드되며 수동 단계가 필요하지 않습니다. Ultralytics는 이미지와 레이블을 가져와 로컬 데이터셋 디렉토리에 압축을 풉니다. detection datasets overview에서 관련 데이터셋을 찾아볼 수 있습니다.

HomeObjects-3K 데이터셋을 사용하여 YOLO 모델을 어떻게 학습시킬 수 있나요?#

YOLO26n과 같은 YOLO 모델을 훈련하려면 HomeObjects-3K.yaml 구성 파일과 pretrained model 가중치가 필요합니다. 훈련은 단일 Python 또는 CLI 명령으로 시작되며, 목표 성능과 하드웨어에 맞게 에포크, 이미지 크기, 배치 크기 등의 매개변수를 사용자 정의할 수 있습니다.

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)

이 데이터셋은 초보자 수준의 프로젝트에 적합한가요?#

네. 표준화된 YOLO 형식 어노테이션과 컴팩트한 크기 덕분에 HomeObjects-3K는 실내 시나리오에서 실제 객체 탐지를 탐구하는 학생 및 취미 사용자에게 훌륭한 입문용 데이터셋입니다.

주석 형식과 YAML은 어디서 찾을 수 있나요?#

Dataset YAML 섹션을 참조하세요. 이 형식은 표준 YOLO이므로 대부분의 객체 감지 파이프라인과 호환됩니다.