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.

112 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 个日常家居类别：床、沙发、椅子、桌子、灯、电视、笔记本电脑、衣柜、窗户、门、盆栽和相框。该数据集专为训练和基准测试计算机视觉模型构建，面向室内场景理解、智能家居设备、机器人技术和增强现实。

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：

每张图像都使用 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 个日常物体类别，包括室内居住环境中常见的家具、电子设备和装饰物品：

应用#

HomeObjects-3K 支持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，在图像中查找并定位床、椅子、灯和笔记本电脑等常见家居物品，从而实时理解室内场景。

• 场景布局解析：帮助机器人和智能家居系统理解房间的布局——了解门、窗户和家具所在的位置，使设备能够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效果。

• 教育和研究：为学生和研究人员提供可直接使用的数据集，用于通过真实示例练习室内目标检测。

• 家庭库存和资产跟踪：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。

要在浏览器中标注自己的室内图像、进行训练并管理数据集版本，请通过 Ultralytics Platform 运行完整流程。

数据集 YAML#

HomeObjects-3K.yaml 文件定义了数据集配置，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：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

使用方法#

你可以使用图像大小 640，在 HomeObjects-3K 数据集上训练 YOLO26n 模型 100 个 epoch。该数据集（390 MB）会在首次使用时自动下载。下面的示例展示了如何开始使用。有关更多训练选项和详细设置，请参阅训练指南。

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)

示例图像和标注#

下面的示例展示了数据集中的一个室内场景及其边界框标注，说明模型需要学习检测的物体位置、尺度和空间关系。

许可证与署名#

HomeObjects-3K 由 Ultralytics 团队 开发并发布，采用 AGPL-3.0 许可证，支持在适当署名的前提下进行开源研究和商业使用。

如果你在研究中使用此数据集，请使用所述详细信息引用它：

@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#