HomeObjects-3K 数据集
HomeObjects-3K 数据集是一个精选的常见家用物品图像集合,专为训练、测试和基准测试计算机视觉模型而设计。该数据集包含约 3,000 张图像和 12 个不同的对象类别,非常适合室内场景理解、智能家居设备、机器人技术和增强现实领域的研究和应用。
观看: 如何在 HomeObjects-3K 数据集上训练 Ultralytics YOLO11 | 检测、验证和 ONNX 导出 🚀
数据集结构
HomeObjects-3K 数据集被组织成以下子集:
- 训练集: 包含 2,285 张带注释的图像,其中包含沙发、椅子、桌子、灯具等对象。
- 验证集:包括 404 个带注释的图像,用于评估模型性能。
每张图像都使用与Ultralytics YOLO格式对齐的边界框进行标记。室内照明、物体比例和方向的多样性使其在实际部署场景中具有鲁棒性。
对象类别
该数据集支持 12 个日常对象类别,涵盖家具、电子产品和装饰品。选择这些类别是为了反映室内家庭环境中常见的物品,并支持 object detection 和 object tracking 等视觉任务。
HomeObjects-3K 类
- 床
- 沙发
- 椅子
- 表格
- 台灯
- tv
- 笔记本电脑
- 衣柜
- 窗口
- 门
- 盆栽植物
- 相框
应用
HomeObjects-3K 能够在室内计算机视觉领域实现广泛的应用,涵盖研究和实际产品开发:
-
室内物体检测: 使用像 Ultralytics YOLO11 这样的模型来查找和定位图像中常见的家居物品,如床、椅子、灯和笔记本电脑。这有助于实时理解室内场景。
-
场景布局解析: 在机器人和智能家居系统中,这有助于设备了解房间的布局方式、门、窗户和家具等物体的位置,从而安全地导航并与环境正确交互。
-
AR应用: 为使用增强现实技术的应用程序提供物体识别功能。例如,检测电视或衣柜,并在其上显示额外的信息或效果。
-
教育和研究: 通过为学生和研究人员提供一个即用型数据集,用于实践具有真实示例的室内对象检测,从而支持学习和学术项目。
-
家庭物品清单和资产跟踪: 自动检测和列出照片或视频中的家庭物品,可用于管理物品、整理空间或可视化房地产中的家具。
数据集 YAML
HomeObjects-3K 数据集的配置通过 YAML 文件提供。此文件概述了基本信息,例如训练和验证目录的图像路径以及对象类别的列表。
您可以访问 HomeObjects-3K.yaml
直接从 Ultralytics 存储库中的文件: 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
用法
您可以使用 640 的图像大小在 HomeObjects-3K 数据集上训练 YOLO11n 模型 100 个 epoch。以下示例展示了如何开始。有关更多训练选项和详细设置,请查看训练指南。
训练示例
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
Sample Images 和注释
该数据集具有丰富的室内场景图像集合,这些图像捕捉了自然家庭环境中的各种家居物品。以下是数据集的样本视觉效果,每个视觉效果都与其对应的注释配对,以说明对象的位置、比例和空间关系。
许可和归属
HomeObjects-3K 由 Ultralytics 团队开发并根据 AGPL-3.0 许可证发布,通过适当的署名支持开源研究和商业用途。
如果您在研究中使用此数据集,请使用上述详细信息进行引用:
@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/homeobject-3k/},
version = {1.0.0},
year = {2025}
}
常见问题
HomeObjects-3K 数据集的设计目的是什么?
HomeObjects-3K 专为提升 AI 对室内场景的理解而设计。它专注于检测日常家居用品(如床、沙发、电视和灯具),非常适合智能家居、机器人、增强现实和室内监控系统中的应用。无论您是为实时边缘设备还是学术研究训练模型,此数据集都可提供均衡的基础。
包括哪些对象类别,以及为什么选择它们?
该数据集包括 12 种最常见的家居用品: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。选择这些对象是为了反映真实的室内环境,并支持机器人导航或 AR/VR 应用程序中的场景生成等多用途任务。
如何使用 HomeObjects-3K 数据集训练 YOLO 模型?
要训练像 YOLO11n 这样的 YOLO 模型,你只需要 HomeObjects-3K.yaml
配置文件和 预训练模型 权重。无论您使用 Python 还是 CLI,都可以通过单个命令启动训练。您可以根据您的目标性能和硬件设置自定义参数,例如 epoch、图像大小和批次大小。
训练示例
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
此数据集是否适合初学者级别的项目?
当然。凭借清晰的标签和标准化的 YOLO 兼容注释,HomeObjects-3K 是学生和爱好者探索室内场景中真实世界目标检测的绝佳切入点。它还可以很好地扩展到商业环境中更复杂的应用。
在哪里可以找到标注格式和 YAML 文件?
请参阅数据集 YAML部分。该格式是标准的YOLO格式,使其与大多数目标检测流程兼容。