Link to this sectionHomeObjects-3K 데이터셋#

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 section데이터셋 구조#

HomeObjects-3K 데이터셋은 HomeObjects-3K.yaml 설정 파일에 정의된 두 개의 사전 설정된 서브셋으로 분할되어 있습니다:

각 이미지는 Ultralytics YOLO 형식의 바운딩 박스로 라벨링되어 있으며, 객체 탐지 및 추적 파이프라인에 바로 사용할 수 있습니다.

Link to this section사물 클래스#

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

Link to this section응용 분야#

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

• 실내 객체 탐지: Ultralytics YOLO26과 같은 모델을 사용하여 이미지 속 침대, 의자, 램프, 노트북과 같은 일반적인 가정용 아이템을 찾고 위치를 파악하여 실내 장면을 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 객체 인식 기능을 강화합니다. 예를 들어, TV나 옷장을 탐지하고 그 위에 추가 정보나 효과를 오버레이할 수 있습니다.

• 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.

자신의 실내 이미지를 라벨링하고 브라우저에서 데이터셋 버전을 학습 및 관리하려면 Ultralytics Platform을 통해 전체 워크플로를 실행하십시오.

Link to this section데이터셋 YAML#

HomeObjects-3K.yaml 파일은 학습 및 검증 이미지 경로와 객체 클래스 목록을 포함한 데이터셋 구성을 정의합니다. 이 파일은 Ultralytics 리포지토리(https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/HomeObjects-3K.yaml)에서 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

Link to this section사용법#

이미지 크기 640을 사용하여 HomeObjects-3K 데이터셋에서 100 에포크 동안 YOLO26n 모델을 학습할 수 있습니다. 데이터셋(390 MB)은 처음 사용할 때 자동으로 다운로드됩니다. 아래 예시는 시작 방법을 보여줍니다. 더 많은 학습 옵션 및 상세 설정은 학습(Training) 가이드를 확인하십시오.

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 section샘플 이미지 및 주석#

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

Link to this section라이선스 및 귀속#

HomeObjects-3K는 **Ultralytics 팀**이 개발하여 AGPL-3.0 라이선스하에 배포하며, 적절한 출처 표기와 함께 오픈 소스 연구 및 상업적 사용을 지원합니다.

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}
}

Link to this sectionFAQ#

Link to this sectionHomeObjects-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.

Link to this sectionHomeObjects-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.

Link to this section어떤 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.

Link to this sectionHomeObjects-3K 데이터셋은 어떻게 다운로드합니까?#

data="HomeObjects-3K.yaml"을 사용하여 처음 학습을 시작할 때 데이터셋(390 MB)이 자동으로 다운로드되므로 수동 단계가 필요하지 않습니다. Ultralytics가 이미지와 라벨을 가져와 로컬 데이터셋 디렉터리에 압축을 해제합니다. 탐지 데이터셋 개요에서 관련 데이터셋을 둘러볼 수 있습니다.

Link to this sectionHomeObjects-3K 데이터셋을 사용하여 YOLO 모델을 어떻게 학습시킬 수 있나요?#

YOLO26n과 같은 YOLO 모델을 학습하려면 HomeObjects-3K.yaml 설정 파일과 사전 학습된 모델 가중치가 필요합니다. 학습은 단일 Python 또는 CLI 명령어로 시작할 수 있으며, 목표 성능과 하드웨어에 맞춰 에포크, 이미지 크기, 배치 크기 등의 파라미터를 사용자 지정할 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)

Link to this section이 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.

Link to this section주석 형식과 YAML은 어디서 찾을 수 있나요?#

데이터셋 YAML 섹션을 참조하십시오. 형식은 표준 YOLO이며 대부분의 객체 탐지 파이프라인과 호환됩니다.