홈오브젝트-3K 데이터셋#

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.

212 classes769.9 MBSep 2, 2026

bedsofachairtable+8

object-detectionindoorhome-objects+1

Ultralytics HomeObjects-3K 데이터셋은 일상적인 가정용품 12개 클래스(침대, 소파, 의자, 테이블, 램프, TV, 노트북, 옷장, 창문, 문, 화분, 액자)를 라벨링한 실내 객체 탐지 데이터셋으로, 이미지 2,689개(학습 2,285개, 검증 404개)로 구성됩니다. 컴퓨터 비전 모델의 학습과 벤치마킹을 위해 구축되었으며, 실내 장면 이해, 스마트 홈 기기, 로보틱스, 증강 현실을 대상으로 합니다.

데이터셋 구조#

HomeObjects-3K 데이터셋은 HomeObjects-3K.yaml 구성으로 정의된 두 개의 사전 지정 하위 세트로 나뉩니다.

각 이미지에는 Ultralytics YOLO 형식으로 바운딩 박스가 라벨링되어 있어 객체 탐지 및 추적 파이프라인에 바로 사용할 수 있습니다.

객체 클래스#

이 데이터셋은 실내 가정 환경에서 흔히 볼 수 있는 가구, 전자제품, 장식품을 아우르는 일상적인 객체 범주 12개를 다룹니다.

응용 분야#

HomeObjects-3K는 연구 및 제품 개발 전반에서 다양한 실내 컴퓨터 비전 애플리케이션을 지원합니다.

• 실내 객체 탐지: Ultralytics YOLO26과 같은 모델을 사용해 이미지에서 침대, 의자, 램프, 노트북과 같은 일반적인 가정용품을 찾아 위치를 파악하고, 실내 장면을 실시간으로 이해할 수 있습니다.

• 장면 레이아웃 파싱: 로보틱스 및 스마트 홈 시스템이 방의 구조, 즉 문, 창문, 가구의 위치를 파악하도록 지원하여 기기가 안전하게 이동하고 주변 환경과 상호작용할 수 있게 합니다.

• AR 애플리케이션: 증강 현실 앱의 객체 인식 기능을 지원합니다. 예를 들어 TV나 옷장을 탐지하고 추가 정보나 효과를 표시할 수 있습니다.

• 교육 및 연구: 학생과 연구자가 실제 사례를 활용해 실내 객체 탐지를 연습할 수 있도록 바로 사용할 수 있는 데이터셋을 제공합니다.

• 가정용품 목록 및 자산 추적: 사진이나 동영상에서 가정용품을 자동으로 탐지하고 목록화하여 소지품 관리, 공간 정리, 부동산 가구 배치 시각화에 활용할 수 있습니다.

실내 이미지를 직접 라벨링하고, 학습을 진행하며, 브라우저에서 데이터셋 버전을 관리하려면 Ultralytics Platform에서 전체 워크플로를 실행하세요.

데이터셋 YAML#

HomeObjects-3K.yaml 파일은 학습 및 검증 이미지 경로와 객체 클래스 목록 등 데이터셋 구성을 정의합니다. 이 파일은 Ultralytics 저장소의 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yaml에서 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#

HomeObjects-3K 데이터셋에서 YOLO26n 모델을 이미지 크기 640으로 100 에폭 동안 학습할 수 있습니다. 데이터셋(390 MB)은 처음 사용할 때 자동으로 다운로드됩니다. 아래 예제에서 시작 방법을 확인하세요. 추가 학습 옵션과 세부 설정은 학습 가이드를 참조하세요.

from ultralytics import YOLO

# 사전 학습된 모델 불러오기
model = YOLO("yolo26n.pt")

# HomeObjects-3K 데이터셋으로 모델 학습
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)

샘플 이미지 및 어노테이션#

아래 샘플은 바운딩 박스 어노테이션이 포함된 데이터셋의 실내 장면을 보여주며, 모델이 탐지하도록 학습하는 객체의 위치, 크기 및 공간적 관계를 나타냅니다.

라이선스 및 저작자 표시#

HomeObjects-3K는 오픈소스 연구와 적절한 출처 표기를 전제로 한 상업적 사용을 지원하기 위해 Ultralytics 팀이 AGPL-3.0 라이선스에 따라 개발하고 공개했습니다.

연구에 이 데이터셋을 사용한다면 아래에 안내된 정보를 사용해 인용해 주세요.

@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}
}

자주 묻는 질문#