主页对象-3K 数据集

HomeObjects-3K 数据集是一个经过精心策划的普通家庭物体图像集，专为计算机视觉模型的训练、测试和基准测试而设计。该数据集包含约 3,000 张图像和 12 个不同的物体类别，是室内场景理解、智能家居设备、机器人和增强现实等领域研究和应用的理想之选。

数据集结构

HomeObjects-3K 数据集分为以下子集：

• 训练集：由 2,285 张带注释的图片组成，内容包括沙发、椅子、桌子、灯具等物品。
• 验证集：包括 404 幅指定用于评估模型性能的注释图像。

每幅图像都使用与 Ultralytics YOLO格式对齐。室内照明、物体比例和方向的多样性使其在现实世界的部署场景中非常强大。

对象类别

该数据集支持 12 个日常物品类别，包括家具、电子产品和装饰品。选择这些类别是为了反映室内家居环境中常见的物品，并支持物体检测和物体跟踪等视觉任务。

应用

HomeObjects-3K 可广泛应用于室内计算机视觉领域，包括研究和实际产品开发：

• 室内物体检测：使用以下模型 Ultralytics YOLO11等模型来查找和定位图像中的床、椅子、台灯和笔记本电脑等常见家居用品。这有助于实时了解室内场景。

• 场景布局解析：在机器人和智能家居系统中，它能帮助设备了解房间的布局，以及门、窗和家具等物体的位置，这样它们就能安全导航，并与周围环境正确互动。

• AR 应用程序：在使用增强现实技术的应用中支持物体识别功能。例如，检测电视或衣柜，并在其上显示额外信息或效果。

• 教育和研究：为学生和研究人员提供即用型数据集，让他们通过实际案例练习室内物体检测，从而为学习和学术项目提供支持。

• 家庭清单和资产跟踪：自动检测并列出照片或视频中的家居物品，对管理财物、整理空间或可视化房地产中的家具非常有用。

数据集 YAML

HomeObjects-3K 数据集的配置通过 YAML 文件提供。该文件概述了训练和验证目录的图像路径以及对象类列表等基本信息。 您可以访问 HomeObjects-3K.yaml 文件： 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

您可以使用大小为 640 的图像在 HomeObjects-3K 数据集上训练 YOLO11n 模型 100 次。下面的示例展示了如何开始训练。有关更多训练选项和详细设置，请查看训练指南。

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

图片和注释示例

该数据集收集了丰富的室内场景图像，捕捉了自然家居环境中的各种家居物品。以下是数据集中的视觉样本，每个样本都配有相应的注释，以说明物体的位置、比例和空间关系。

许可和署名

HomeObjects-3K 由 Ultralytics 团队由 Ultralytics 团队根据AGPL-3.0 许可开发并发布，支持开源研究和商业使用，但需适当注明出处。

如果您在研究中使用该数据集，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 专为提高人工智能对室内场景的理解而设计。它侧重于检测日常家居用品，如床、沙发、电视和灯具，因此非常适合智能家居、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，该数据集都能为您提供一个平衡的基础。

包括哪些对象类别，为什么选择这些类别？

数据集包括 12 种最常见的家居用品：床、沙发、椅子、桌子、台灯、电视、笔记本电脑、衣柜、窗户、门、盆栽和相框。选择这些物品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YOLO 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。无论是使用Python 还是CLI，只需一条命令即可启动训练。您可以根据目标性能和硬件设置自定义参数，如历时、图像大小和批量大小。

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

这个数据集适合初级项目吗？

完全正确。HomeObjects-3K 具有简洁的标签和YOLO标准化注释，是学生和业余爱好者在室内场景中探索真实世界物体检测的绝佳切入点。它还能很好地扩展到商业环境中更复杂的应用。

在哪里可以找到注释格式和 YAML？

请参阅数据集 YAML部分。该格式是标准YOLO 格式，因此与大多数对象检测管道兼容。

📅 19 天前创建✏️ 9 天前更新

评论