콘텐츠로 건너뛰기

HomeObjects-3K 데이터 세트

Colab에서 HomeObjects-3K 데이터 세트 사용하기

HomeObjects-3K 데이터 세트는 일반적인 가정용 물체 이미지의 선별된 컬렉션으로, 컴퓨터 비전 모델의 훈련, 테스트 및 벤치마킹을 위해 설계되었습니다. 약 3,000개의 이미지와 12개의 고유한 객체 클래스를 특징으로 하는 이 데이터 세트는 실내 장면 이해, 스마트 홈 장치, 로보틱스 및 증강 현실 분야의 연구 및 애플리케이션에 이상적입니다.



참고: HomeObjects-3K 데이터 세트에서 Ultralytics YOLO11을 훈련하는 방법 | 감지, 유효성 검사 및 ONNX 내보내기 🚀

데이터 세트 구조

HomeObjects-3K 데이터 세트는 다음과 같은 하위 집합으로 구성됩니다.

  • 학습 세트: 소파, 의자, 테이블, 램프 등과 같은 객체가 포함된 2,285개의 어노테이션된 이미지로 구성됩니다.
  • 유효성 검사 세트: 모델 성능 평가를 위해 지정된 404개의 주석이 달린 이미지를 포함합니다.

각 이미지는 Ultralytics YOLO 형식에 맞춰 정렬된 경계 상자를 사용하여 레이블이 지정됩니다. 다양한 실내 조명, 객체 스케일 및 방향으로 인해 실제 배포 시나리오에 적합합니다.

객체 클래스

이 데이터 세트는 가구, 전자 제품 및 장식 품목을 포함하는 12가지 일상적인 객체 범주를 지원합니다. 이러한 클래스는 실내 가정 환경에서 흔히 볼 수 있는 품목을 반영하고 객체 감지객체 추적과 같은 비전 작업을 지원하기 위해 선택되었습니다.

HomeObjects-3K 클래스

  1. 침대
  2. 소파
  3. 의자
  4. 표를 참조하십시오.
  5. 램프
  6. tv
  7. 노트북
  8. 옷장
  9. 문(door)
  10. 화분에 심은 식물
  11. 사진 프레임

응용 분야

HomeObjects-3K는 실내 컴퓨터 비전 분야에서 연구 및 실제 제품 개발을 아우르는 광범위한 응용 분야를 지원합니다.

  • 실내 객체 감지: Ultralytics YOLO11과 같은 모델을 사용하여 이미지에서 침대, 의자, 램프, 노트북과 같은 일반적인 가정 용품을 찾고 위치를 파악합니다. 이는 실내 장면을 실시간으로 이해하는 데 도움이 됩니다.

  • 장면 레이아웃 파싱: 로봇 공학 및 스마트 홈 시스템에서 이는 장치가 방이 어떻게 배치되어 있는지, 문, 창문 및 가구와 같은 물체가 어디에 있는지 이해하여 안전하게 탐색하고 환경과 적절하게 상호 작용할 수 있도록 도와줍니다.

  • AR 애플리케이션: 증강 현실을 사용하는 앱에서 객체 인식 기능을 강화합니다. 예를 들어 TV나 옷장을 감지하고 추가 정보나 효과를 보여줄 수 있습니다.

  • 교육 및 연구: 학생과 연구원에게 실제 사례를 통해 실내 객체 감지를 연습할 수 있도록 즉시 사용 가능한 데이터 세트를 제공하여 학습 및 학술 프로젝트를 지원합니다.

  • 홈 인벤토리 및 자산 추적: 사진이나 비디오에서 가정 용품을 자동으로 감지하고 나열하여 소지품 관리, 공간 정리 또는 부동산에서 가구 시각화에 유용합니다.

데이터세트 YAML

HomeObjects-3K 데이터 세트에 대한 구성은 YAML 파일을 통해 제공됩니다. 이 파일은 훈련 및 유효성 검사 디렉터리에 대한 이미지 경로와 객체 클래스 목록과 같은 필수 정보를 간략하게 설명합니다. 다음에 액세스할 수 있습니다. HomeObjects-3K.yaml Ultralytics 저장소에서 직접 파일을 가져옵니다: 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

사용법

이미지 크기 640을 사용하여 HomeObjects-3K 데이터 세트에서 YOLO11n 모델을 100 epoch 동안 훈련할 수 있습니다. 아래 예제는 시작하는 방법을 보여줍니다. 더 많은 훈련 옵션 및 자세한 설정은 훈련 가이드를 확인하십시오.

훈련 예제

from ultralytics import YOLO

# Load pretrained model
model = YOLO("yolo11n.pt")

# Train the model on HomeObjects-3K dataset
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)
yolo detect train data=HomeObjects-3K.yaml model=yolo11n.pt epochs=100 imgsz=640

샘플 이미지 및 주석

이 데이터 세트는 자연스러운 가정 환경에서 다양한 가정용 물체를 캡처한 풍부한 실내 장면 이미지를 특징으로 합니다. 아래는 데이터 세트의 샘플 시각 자료이며, 각 시각 자료는 객체 위치, 크기 및 공간 관계를 보여주기 위해 해당 어노테이션과 함께 제공됩니다.

HomeObjects-3K 데이터 세트 샘플 이미지, 침대, 의자, 문, 소파, 식물 등 다양한 객체 강조

라이선스 및 저작자 표시

HomeObjects-3K는 Ultralytics 팀에서 개발 및 출시되었으며, 적절한 출처 표기와 함께 오픈 소스 연구 및 상업적 사용을 지원하는 AGPL-3.0 라이선스에 따라 제공됩니다.

연구에 이 데이터 세트를 사용하는 경우 언급된 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/homeobject-3k/},
    version = {1.0.0},
    year = {2025}
}

FAQ

HomeObjects-3K 데이터 세트는 무엇을 위해 설계되었습니까?

HomeObjects-3K는 실내 장면에 대한 AI 이해도를 높이기 위해 제작되었습니다. 침대, 소파, TV, 램프와 같은 일상적인 가정용품 탐지에 중점을 두어 스마트 홈, 로봇 공학, 증강 현실, 실내 모니터링 시스템 응용 분야에 이상적입니다. 실시간 에지 장치 또는 학술 연구를 위한 모델을 훈련하든, 이 데이터 세트는 균형 잡힌 기반을 제공합니다.

어떤 객체 범주가 포함되어 있으며, 왜 선택되었나요?

이 데이터 세트에는 침대, 소파, 의자, 테이블, 램프, TV, 랩톱, 옷장, 창문, 문, 화분, 액자 등 가장 일반적으로 볼 수 있는 12가지 가정용품이 포함되어 있습니다. 이러한 객체는 현실적인 실내 환경을 반영하고 로봇 탐색 또는 AR/VR 애플리케이션의 장면 생성과 같은 다목적 작업을 지원하기 위해 선택되었습니다.

HomeObjects-3K 데이터 세트를 사용하여 YOLO 모델을 훈련하려면 어떻게 해야 합니까?

YOLO11n과 같은 YOLO 모델을 훈련하려면 다음이 필요합니다. HomeObjects-3K.yaml 구성 파일 및 사전 훈련된 모델 가중치. python 또는 CLI를 사용하든 단일 명령으로 학습을 시작할 수 있습니다. 목표 성능 및 하드웨어 설정에 따라 epoch, 이미지 크기 및 배치 크기와 같은 매개변수를 사용자 지정할 수 있습니다.

훈련 예제

from ultralytics import YOLO

# Load pretrained model
model = YOLO("yolo11n.pt")

# Train the model on HomeObjects-3K dataset
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)
yolo detect train data=HomeObjects-3K.yaml model=yolo11n.pt epochs=100 imgsz=640

이 데이터 세트는 초보자 수준의 프로젝트에 적합합니까?

당연합니다. 깔끔한 라벨링과 표준화된 YOLO 호환 어노테이션을 갖춘 HomeObjects-3K는 실내 시나리오에서 실제 객체 탐색을 원하는 학생과 취미로 하는 사람들에게 훌륭한 진입점이 됩니다. 또한 상업 환경에서 더 복잡한 애플리케이션에도 적합합니다.

어노테이션 형식과 YAML은 어디에서 찾을 수 있나요?

Dataset YAML 섹션을 참조하십시오. 이 형식은 표준 YOLO이며, 대부분의 객체 감지 파이프라인과 호환됩니다.



📅 3개월 전에 생성됨 ✏️ 1개월 전에 업데이트됨

댓글