HomeObjects-3K 数据集#

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 数据集是一个室内目标检测数据集，包含 2,689 张图像（2,285 张训练图像和 404 张验证图像），涵盖 12 种日常家居类别：床、沙发、椅子、桌子、灯、电视、笔记本电脑、衣柜、窗户、门、盆栽植物和相框。该数据集专为训练和基准测试计算机视觉模型而构建，适用于室内场景理解、智能家居设备、机器人和增强现实。

数据集结构#

HomeObjects-3K 数据集分为两个预定义子集，由 HomeObjects-3K.yaml 配置定义：

每张图像都采用 Ultralytics YOLO格式标注了边界框，可直接用于目标检测和跟踪流程。

目标类别#

该数据集涵盖 12 种日常物品类别，包括室内家庭环境中常见的家具、电子产品和装饰品：

应用场景#

HomeObjects-3K 可用于研究和产品开发中的多种室内计算机视觉应用：

• 室内目标检测：使用 Ultralytics YOLO26 等模型，在图像中查找和定位床、椅子、灯和笔记本电脑等常见家居物品，以实时理解室内场景。

• 场景布局解析：帮助机器人和智能家居系统理解房间布局——例如门、窗户和家具的位置——以便设备安全导航并与周围环境交互。

• AR 应用：为增强现实应用中的目标识别功能提供支持。例如，检测电视或衣柜，并在其上叠加额外信息或特效。

• 教育与研究：为学生和研究人员提供开箱即用的数据集，用于通过真实场景示例练习室内目标检测。

• 家庭物品清单与资产跟踪：自动检测并列出照片或视频中的家居物品，可用于管理物品、整理空间或在房地产场景中可视化家具。

如需在浏览器中标注自己的室内图像、训练模型并管理数据集版本，请使用 Ultralytics Platform运行完整工作流。

数据集 YAML#

HomeObjects-3K.yaml 文件定义数据集配置，包括训练和验证图像路径以及目标类别列表。该文件维护在 Ultralytics 仓库中，位置为 https://github.com/ultralytics/ultralytics/blob/main/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

用法#

你可以使用 640 的图像尺寸，在 HomeObjects-3K 数据集上训练 YOLO26n 模型 100 个周期。首次使用时，数据集（390 MB）会自动下载。以下示例介绍了如何开始训练。如需了解更多训练选项和详细设置，请参阅训练指南。

from ultralytics import YOLO

# 加载预训练模型
model = YOLO("yolo26n.pt")

# 在 HomeObjects-3K 数据集上训练模型
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)

示例图像和标注#

以下示例展示了数据集中的一个室内场景及其边界框标注，说明了模型学习检测的物体位置、尺寸和空间关系。

许可与署名#

HomeObjects-3K 由 Ultralytics 团队开发并发布，采用 AGPL-3.0 许可证，支持开源研究和商业用途，但需注明出处。

如果你在研究中使用此数据集，请使用以下信息引用：

@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}
}

常见问题#