一个 2689 张照片的数据集，正在悄悄决定未来扫地机器人怎么认路、AR眼镜怎么看你的客厅

01

PART

一个画面

AI 智能家居

想象你刚搬进新家。

家具还没完全到位，地板上堆着箱子，窗帘还没挂，床垫靠着墙立着。

这时候你的扫地机器人开机，试图在这片混乱里找到一条路。

它看到了一个长方形的轮廓——那是床垫还是门？一个悬挂的形状——那是台灯还是植物？

它分不清。

它在原地转了三圈，然后把自己困在了床腿和箱子之间。

这不是虚构的场景。这是当下绝大多数消费级机器人、AR设备、智能家居系统正在遭遇的困境：它们在户外和公共场景里表现不错，但一回到家，就开始犯晕。

原因说穿了只有一个——没有足够好的"家庭场景训练数据"。

02

PART

AI 记忆的原材料

AI 数据集

在深入讲这个数据集之前，得先说清楚一件事：AI视觉模型学会"认东西"，靠的不是灵感，靠的是反复看大量标注好的照片。

给它看一万张有"椅子"标签的照片，它慢慢就学会了椅子长什么样——不管是木椅、皮椅、折叠椅，还是半藏在阴影里的椅子。

这批标注好的照片，就是数据集。

数据集的质量直接决定模型的能力上限。你喂什么，它就学什么；你没喂过的，它大概率认不出来。

这也解释了为什么，专门面向家庭室内场景的数据集，在整个AI视觉领域一直是个稀缺品。

03

PART

HomeObjects-3K数据集

AI“家”设计的眼睛

2025年5月，Ultralytics（也就是大名鼎鼎的 YOLO 系列目标检测框架的开发团队）发布了一个叫做 HomeObjects-3K 的数据集。

这是一批专门在室内家庭场景下拍摄、标注的图像数据：

• 2689 张真实室内照片

  ，涵盖卧室、客厅、书房等不同房间类型

• 12个类别

  ，覆盖家庭环境里最核心的物品：床、沙发、椅子、桌子、台灯、电视、笔记本电脑、衣柜、窗户、门、盆栽植物、相框

• 数据集拆分

  ：2285张用于训练，404张用于验证，结构清晰，拿来即用

• 体积约390MB

  ，用 YOLO 格式标注，可以直接接入主流检测训练流程

规模上，它比不过 COCO 这种拥有 12万张图的巨型数据集。但"专"才是它的价值所在。

COCO 能认出"椅子"，但那些椅子往往是咖啡馆里的、街头的、会议室里的。HomeObjects-3K 的椅子，是你家客厅里那把，靠近窗户、打着侧光、旁边摆着盆栽的那把。场景的特异性，才是它在室内感知任务上的核心优势。

12个类别背后的选择逻辑

值得多聊两句的是这12个类别的选择——它们看起来稀松平常，实则是一套精心设计的坐标系。

先看结构性物件：门、窗户。

这两类物体不是家具，但对机器人导航、室内建图极其关键。知道门在哪，机器人才能知道"出口方向"；知道窗户在哪，才能推断自然光源位置，帮助后续的场景理解。

再看大型家具：床、沙发、衣柜、桌子、椅子。

这五样东西决定了一个房间的基本布局。能识别它们，等于能给房间快速画一张"功能地图"——哪里是休息区，哪里是工作区，哪里能走人。

然后是电子设备：电视、笔记本。

这两样代表"人的行为中心"。电视在的地方通常是客厅主区，笔记本在的地方通常是工作或学习节点。它们是行为理解和意图推断的重要线索。

最后是装饰类：台灯、盆栽植物、相框。

别小看这三类。台灯是光源识别的补充；盆栽因为形态多变（大小、形状各异），是考验模型泛化能力的天然测试题；相框则经常出现在墙面，能帮助模型理解垂直空间结构。

12个类别，其实是室内场景理解的12个维度。

04

PART

能够做什么？

AI 数据集

理解了数据集的构成，再来看应用场景，会清晰很多。

场景一：扫地机器人/家用机器人

下一代家用机器人不只是走直线、避障碍，它需要真正"看懂"房间。识别床的位置才能知道床底下要不要钻；识别沙发才能判断能不能从下面穿过；识别台灯、盆栽这类障碍物，才能做出更细腻的路径规划。

HomeObjects-3K 直接对标这类需求，是机器人感知模块的天然训练素材。

场景二：AR/VR 增强现实

当你戴着AR眼镜看自家客厅，系统需要实时识别电视的位置，才能在上面叠加信息；识别沙发，才能在旁边"放置"一个虚拟咖啡桌；识别门和窗，才能做室内空间锚定。

这类应用对实时性要求极高，需要轻量级模型在边缘端跑出高精度——而 HomeObjects-3K 配合 YOLO 系列小模型（如 YOLO26n），正好是这条路的最优组合之一。

场景三：智能家居与室内监控

家里的摄像头或者智能中控，如果能识别"沙发上有人坐着"、"卧室灯亮了"、"门开着"，就能做出更智能的响应——自动调节空调、触发安防提醒、判断家人是否在家。这是智能家居从"遥控器升级版"到"真正智能"的关键一跳。

场景四：室内空间理解和房产科技

房产App的VR看房、室内设计软件的空间识别、二手家具的AI估价——这些应用都需要先"看懂"室内场景。HomeObjects-3K 提供了一个标准的起点。

05

PART

简单上手

AI 3 行开训

对于开发者来说，这个数据集的接入成本几乎可以忽略。

Ultralytics 平台提供一键训练入口，数据集在首次训练时自动下载，整个流程用五行代码就能跑通：

from ultralytics import YOLO
# 加载预训练模型
model = YOLO("yolo26n.pt")
# 开始训练，HomeObjects-3K数据集自动下载
model.train(data="HomeObjects-3K.yaml", epochs=100, imgsz=640)

390MB的体量意味着即使在普通消费级GPU上，100轮训练也能在几小时内完成。对于研究者、独立开发者、CV方向的学生，这是一个零门槛入场的室内检测基准。

数据集遵循 AGPL-3.0 开源协议，学术用途完全免费，商业使用需合规标注来源。

01

PART

数字背后的意义

AI 数据集 2689 张照片

2689张照片，听起来不多。

但这个数字的背后，是 Ultralytics 团队一个明确的判断：室内家庭场景，是下一个AI视觉的主战场。

过去十年，AI视觉在道路、医疗影像、工厂质检、人脸识别等领域突飞猛进，但"家"这个空间反而被忽视了。家里的光线更复杂（日光、灯光混合），视角更随机（从不同角度拍），物体的状态更多变（半开的门、斜放的椅子、被衣服盖住的床）。

这些复杂性，恰恰需要专门的数据来训练专门的模型。

HomeObjects-3K 是这个方向上的一个起点，不是终点。它的意义在于：把家庭室内场景正式纳入了标准化的计算机视觉基准体系，让研究和工程有了共同的语言。

最后，回到那个被困在床腿之间的扫地机器人。

它缺的不是算力，不是传感器，缺的是真正懂家庭环境的"视觉经验"。

而这种经验，要从数据开始积累。

HomeObjects-3K，是让机器开始真正"看懂"你家的那一步。

pip install ultralytics
import ultralytics
ultralytics.checks()
# HomeObjects-3K dataset by Ultralytics
# Example usage: yolo train data=HomeObjects-3K.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── homeobjects-3K  ← downloads here (390 MB)
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

from ultralytics import YOLO
# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)
# Train the model
results = model.train(data="HomeObjects-3K.yaml", epochs=3, imgsz=640)
from ultralytics import YOLO
# Load a model
modelp = YOLO(f"{model.trainer.save_dir}/weights/best.pt")  # load a fine-tuned model
# Inference using the model
prediction_results = modelp.predict("https://ultralytics.com/assets/home-objects-sample.jpg", save=True)
from ultralytics import YOLO
# Load a model
modele = YOLO(f"{model.trainer.save_dir}/weights/best.pt")  # load a custom trained model
# Export the model
modele.export(format="onnx")

更多transformer，VIT，swin tranformer
参考头条号：人工智能研究所
v号：人工智能研究Suo, 启示AI科技

 动画详解transformer  在线视频教程