データ集合 HomeObjects-3K

HomeObjects-3Kデータセットは、一般的な家庭用オブジェクト画像を集めたもので、コンピュータビジョンモデルのトレーニング、テスト、ベンチマーク用に設計されています。約3,000の画像と12の異なるオブジェクトクラスを特徴とするこのデータセットは、屋内シーン理解、スマートホームデバイス、ロボット工学、拡張現実などの研究やアプリケーションに最適です。

データセット構造

HomeObjects-3Kデータセットは以下のサブセットに編成されている：

• トレーニングセット：ソファ、椅子、テーブル、ランプなどのオブジェクトを含む2,285の注釈付き画像から成る。
• 検証セット：モデルの性能を評価するために指定された404の注釈付き画像を含む。

各画像は、画像と一致するバウンディングボックスを使用してラベル付けされます。 Ultralytics YOLOフォーマットで整列されている。室内照明、オブジェクトのスケール、向きの多様性により、実世界の展開シナリオに対応する堅牢性を備えています。

オブジェクトクラス

このデータセットは、家具、電子機器、装飾品など、12の日常的なオブジェクト・カテゴリをサポートしている。これらのクラスは、屋内の家庭環境で遭遇する一般的なアイテムを反映し、物体検出や 物体追跡のような視覚タスクをサポートするように選択されている。

アプリケーション

HomeObjects-3Kは、研究および実際の製品開発の両分野にまたがる、屋内コンピュータビジョンの広範なアプリケーションを可能にする：

• 屋内の物体検出：以下のようなモデルを使用します。 Ultralytics YOLO11のようなモデルを使用して、画像内のベッド、椅子、ランプ、ラップトップなどの一般的な家庭用品を見つけ、位置を特定する。これは屋内シーンのリアルタイム理解に役立ちます。

• シーンレイアウトの解析：ロボット工学やスマートホームシステムでは、デバイスが部屋の配置やドア、窓、家具などのオブジェクトの位置を理解し、安全にナビゲートして環境と適切に相互作用できるようにする。

• ARアプリケーション：AR（拡張現実）を使用するアプリのオブジェクト認識機能を強化します。例えば、テレビやワードローブを検出し、それらに追加情報やエフェクトを表示します。

• 教育と研究：学生や研究者に、屋内の物体検出を実例を用いて練習するためのすぐに使えるデータセットを提供することで、学習や学術プロジェクトをサポートします。

• 住宅目録と資産追跡：写真やビデオに写っている家財を自動的に検出してリスト化。持ち物の管理、スペースの整理、不動産の家具の視覚化に役立ちます。

データセット YAML

HomeObjects-3Kデータセットの設定はYAMLファイルで提供される。このファイルには、訓練ディレクトリと検証ディレクトリの画像パス、オブジェクトクラスのリストなど、重要な情報の概要が記述されています。 このファイルから HomeObjects-3K.yaml ファイルをUltralytics リポジトリから直接ダウンロードします： 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: ../datasets/homeobjects-3K # dataset root dir
train: train/images # train images (relative to 'path') 2285 images
val: valid/images # val images (relative to 'path') 404 images
test: # test images (relative to 'path')

# 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

HomeObjects-3KデータセットのYOLO11nモデルを、画像サイズ640で100エポック学習させることができます。以下の例では、どのように始めるかを示します。その他のトレーニングオプションや詳細設定については、トレーニングガイドをご覧ください。

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

サンプル画像と注釈

このデータセットは、自然な家庭環境における様々な家庭用オブジェクトを捉えた、豊富な室内シーン画像のコレクションを特徴としている。以下はデータセットのサンプル画像で、それぞれオブジェクトの位置、スケール、空間的関係を示す対応する注釈と対になっています。

ライセンスと表示

HomeObjects-3Kは、Ultralyticsチームによって開発、リリースされました。 Ultralytics チームAGPL-3.0 ライセンスに基づき、オープンソースの研究と適切な帰属を伴う商用利用をサポートします。

このデータセットを研究に使用する場合は、記載されている詳細情報を用いて引用してください：

@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}
}

よくあるご質問

HomeObjects-3Kデータセットは何のために作られたのですか？

HomeObjects-3Kは、AIによる室内シーンの理解を促進するために開発された。ベッド、ソファ、テレビ、ランプなどの日常的な家庭用品の検出に重点を置いており、スマートホーム、ロボット工学、拡張現実（AR）、室内監視システムなどのアプリケーションに最適です。リアルタイムのエッジデバイスや学術研究用のモデルをトレーニングする場合でも、このデータセットはバランスの取れた基礎を提供します。

どのカテゴリーが含まれるのか、またなぜ選ばれたのか？

このデータセットには、ベッド、ソファ、椅子、テーブル、ランプ、テレビ、ノートパソコン、ワードローブ、窓、ドア、鉢植え、写真立ての12種類の家庭用品が含まれている。これらのオブジェクトは、現実的な室内環境を反映し、ロボットナビゲーションやAR/VRアプリケーションにおけるシーン生成などの多目的タスクをサポートするために選択された。

HomeObjects-3Kデータセットを使ってYOLO モデルをトレーニングするには？

YOLO11nのようなYOLO モデルをトレーニングするには HomeObjects-3K.yaml 設定ファイルと 事前学習済みモデル ウェイトを使用します。Python CLI、1つのコマンドでトレーニングを開始できる。目標とする性能やハードウェアの設定に応じて、エポック、画像サイズ、バッチサイズなどのパラメータをカスタマイズできる。

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

このデータセットは初心者レベルのプロジェクトに適していますか？

もちろんです。HomeObjects-3Kは、クリーンなラベリングと標準化されたYOLOアノテーションを備えており、屋内シナリオで実世界の物体検出を探求したい学生やホビイストにとって、優れたエントリーポイントである。また、商業環境でのより複雑なアプリケーションにも十分に対応できます。

注釈フォーマットとYAMLはどこにありますか？

データセットYAMLのセクションを参照。フォーマットは標準的なYOLO、ほとんどのオブジェクト検出パイプラインと互換性があります。

📅作成 20 日前 ✏️更新 10日前

コメント