홈 오브젝트-3K 데이터 세트

HomeObjects-3K 데이터 세트는 컴퓨터 비전 모델의 훈련, 테스트 및 벤치마킹을 위해 설계된 일반적인 가정 사물 이미지의 엄선된 컬렉션입니다. 약 3,000개의 이미지와 12개의 고유한 객체 클래스로 구성된 이 데이터 세트는 실내 장면 이해, 스마트 홈 기기, 로봇 공학 및 증강 현실 분야의 연구 및 애플리케이션에 이상적입니다.

데이터 세트 구조

홈 오브젝트 3K 데이터 세트는 다음과 같은 하위 집합으로 구성됩니다:

• 트레이닝 세트: 소파, 의자, 테이블, 램프 등의 사물이 포함된 2,285개의 주석이 달린 이미지로 구성되어 있습니다.
• 유효성 검사 세트: 모델 성능을 평가하기 위해 지정된 404개의 주석이 달린 이미지가 포함되어 있습니다.

각 이미지는 바운딩 박스를 사용하여 레이블이 지정됩니다. Ultralytics YOLO 형식에 따라 레이블이 지정됩니다. 실내 조명, 물체 크기 및 방향이 다양하기 때문에 실제 배포 시나리오에 강력하게 적용할 수 있습니다.

객체 클래스

이 데이터 세트는 가구, 전자제품, 장식품 등 12개의 일상적인 물체 카테고리를 지원합니다. 이러한 클래스는 실내 가정 환경에서 흔히 볼 수 있는 물체를 반영하고 물체 감지 및 물체 추적과 같은 비전 작업을 지원하기 위해 선택되었습니다.

애플리케이션

홈오브젝트-3K는 실내 컴퓨터 비전 분야에서 연구와 실제 제품 개발 모두를 아우르는 광범위한 애플리케이션을 지원합니다:

• 실내 물체 감지: 다음과 같은 모델 사용 Ultralytics YOLO11 와 같은 모델을 사용하여 이미지에서 침대, 의자, 램프, 노트북과 같은 일반적인 가정 내 물품을 찾아 위치를 파악할 수 있습니다. 이는 실내 장면을 실시간으로 이해하는 데 도움이 됩니다.

• 장면 레이아웃 파싱: 로봇 공학 및 스마트 홈 시스템에서 기기가 방의 배치 방식, 문, 창문, 가구와 같은 물체의 위치를 파악하여 안전하게 탐색하고 주변 환경과 적절하게 상호 작용할 수 있도록 도와줍니다.

• AR 애플리케이션: 증강 현실을 사용하는 앱에서 사물 인식 기능을 강화하세요. 예를 들어 TV나 옷장을 감지하여 추가 정보나 효과를 표시할 수 있습니다.

• 교육 및 연구: 학생과 연구자에게 실제 사례를 통해 실내 물체 감지 실습에 바로 사용할 수 있는 데이터 세트를 제공하여 학습 및 학술 프로젝트를 지원하세요.

• 집 재고 및 자산 추적: 사진이나 동영상에서 집 안의 물건을 자동으로 감지하고 나열하여 소지품을 관리하고 공간을 정리하거나 부동산의 가구를 시각화하는 데 유용합니다.

데이터 세트 YAML

홈 오브젝트-3K 데이터 세트의 구성은 YAML 파일을 통해 제공됩니다. 이 파일에는 훈련 및 유효성 검사 디렉토리의 이미지 경로와 오브젝트 클래스 목록과 같은 필수 정보가 요약되어 있습니다. 이 파일에 액세스하려면 HomeObjects-3K.yaml 파일에 직접 Ultralytics 수 있습니다: 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

사용법

이미지 크기 640을 사용하여 홈 오브젝트-3K 데이터 세트에서 100개의 에포크에 대해 YOLO11n 모델을 훈련할 수 있습니다. 아래 예는 시작하는 방법을 보여줍니다. 더 많은 훈련 옵션과 자세한 설정은 훈련 가이드를 참조하세요.

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

샘플 이미지 및 주석

이 데이터 세트는 자연스러운 가정 환경에서 다양한 가정용품을 포착한 풍부한 실내 장면 이미지 모음을 제공합니다. 아래는 데이터 세트의 샘플 시각 자료로, 각각 해당 주석과 함께 사물의 위치, 스케일 및 공간 관계를 설명합니다.

라이선스 및 저작자 표시

홈오브젝트-3K는 Ultralytics 팀 에 의해 개발 및 배포되었으며, 적절한 AGPL-3.0 표시를 통해 오픈 소스 연구 및 상업적 사용을 지원합니다.

이 데이터셋을 연구에 사용하는 경우 언급된 세부 정보를 사용하여 인용해 주세요:

@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}
}

자주 묻는 질문

홈오브젝트-3K 데이터 세트는 어떤 용도로 설계되었나요?

홈오브젝트-3K는 실내 장면에 대한 AI의 이해를 높이기 위해 개발되었습니다. 침대, 소파, TV, 램프와 같은 일상적인 가정용품을 감지하는 데 중점을 두어 스마트 홈, 로봇 공학, 증강 현실 및 실내 모니터링 시스템의 애플리케이션에 이상적입니다. 실시간 엣지 디바이스를 위한 모델 훈련이든 학술 연구든, 이 데이터 세트는 균형 잡힌 기반을 제공합니다.

어떤 객체 카테고리가 포함되며, 그 카테고리가 선택된 이유는 무엇인가요?

이 데이터 세트에는 침대, 소파, 의자, 테이블, 램프, TV, 노트북, 옷장, 창문, 문, 화분, 액자 등 가장 흔히 접할 수 있는 12가지 가정용품이 포함되어 있습니다. 이러한 오브젝트는 사실적인 실내 환경을 반영하고 로봇 내비게이션 또는 AR/VR 애플리케이션의 장면 생성과 같은 다목적 작업을 지원하기 위해 선택되었습니다.

홈오브젝트-3K 데이터셋을 사용하여 YOLO 모델을 훈련하려면 어떻게 해야 하나요?

YOLO11n과 같은 YOLO 모델을 훈련하려면 다음이 필요합니다. HomeObjects-3K.yaml 구성 파일과 사전 학습된 모델 가중치. Python 사용하든 CLI 사용하든, 하나의 명령으로 훈련을 시작할 수 있습니다. 목표 성능과 하드웨어 설정에 따라 에포크, 이미지 크기, 배치 크기 등의 매개변수를 사용자 지정할 수 있습니다.

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

이 데이터 세트는 초급 수준의 프로젝트에 적합합니까?

물론입니다. 깔끔한 라벨링과 표준화된 YOLO 주석을 갖춘 HomeObjects-3K는 실내 시나리오에서 실제 물체 감지를 탐색하려는 학생과 취미 활동가에게 훌륭한 입문용 제품입니다. 또한 상업 환경의 보다 복잡한 애플리케이션을 위한 확장성도 뛰어납니다.

어노테이션 형식과 YAML은 어디에서 찾을 수 있나요?

데이터 세트 YAML 섹션을 참조하세요. 이 형식은 표준 YOLO 대부분의 개체 감지 파이프라인과 호환됩니다.

📅 20일 전에 생성됨 ✏️ 10 일 전 업데이트 됨

댓글