HomeObjects-3K 数据集

HomeObjects-3K 数据集是一个精选的常见家居物体图像集合，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 个不同的物体类别，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与应用。

Watch: How to Train Ultralytics YOLO26 on HomeObjects-3K Dataset | Detection, Validation & ONNX Export 🚀

数据集结构

HomeObjects-3K 数据集分为以下子集：

训练集：包含 2,285 张带有标注的图像，涵盖沙发、椅子、桌子、灯具等物体。
验证集：包含 404 张带有标注的图像，专门用于评估模型性能。

每张图像都使用了与 Ultralytics YOLO 格式对齐的边界框进行标注。室内光照、物体比例和方向的多样性使其在现实部署场景中表现稳健。

物体类别

该数据集支持 12 个日常物体类别，涵盖家具、电子产品和装饰品。这些类别经过精选，反映了室内居家环境中常见的物品，并支持物体检测和物体追踪等视觉任务。

!!! Tip "HomeObjects-3K 类别"

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

应用场景

HomeObjects-3K 支持室内计算机视觉的广泛应用，涵盖研究和现实产品开发：

室内物体检测：使用 Ultralytics YOLO26 等模型在图像中查找和定位床、椅子、灯具和笔记本电脑等常见家居物品。这有助于实现对室内场景的实时理解。
场景布局解析：在机器人和智能家居系统中，这有助于设备理解房间的布局，识别门、窗和家具等物体的位置，从而实现安全导航并与环境进行适当的交互。
AR 应用：为使用增强现实的应用提供物体识别功能支持。例如，检测电视或衣柜，并在其上显示额外的信息或效果。
教育与研究：为学生和研究人员提供一个即用型数据集，用于练习基于现实示例的室内物体检测，从而支持学习和学术项目。
家庭库存与资产追踪：自动检测并列出照片或视频中的家庭用品，这对于管理个人物品、整理空间或在房地产中可视化家具非常有用。

数据集 YAML

HomeObjects-3K 数据集的配置通过 YAML 文件提供。该文件概述了重要信息，如训练和验证目录的图像路径以及物体类别列表。你可以直接从 Ultralytics 仓库访问 HomeObjects-3K.yaml 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

使用方法

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 epoch。以下示例展示了如何入门。如需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("yolo26n.pt")

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

样本图像和标注

该数据集包含丰富的室内场景图像，捕捉了自然家居环境中各种各样的家居用品。以下是数据集中的样本视觉图，每张图都配有相应的标注，以说明物体的位置、比例和空间关系。

包含家居用品的 HomeObjects-3K 数据集样本

许可与归属

HomeObjects-3K 由 Ultralytics 团队 开发并根据 AGPL-3.0 许可证发布，在提供适当署名的前提下支持开源研究和商业用途。

如果你在研究中使用了此数据集，请使用以下详细信息进行引用：

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 (FAQ)