BETA 필라테스 동작 데이터
- 분야스포츠
- 유형 비디오
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-04-02 산출물 전체 공개 소개
필라테스의 대표 동작 50개를 선정, 8개의 카메라로 다각도에서 직접 촬영한 Multi-view 영상 데이터 초·중·고급 총 120명, 다양한 숙련도의 시연자 동작 영상 데이터와 2D·3D keypoint, 동작 정보 json 데이터셋 구축
구축목적
동작분석 AI 기술에 활용되기 위한 Multi-view 영상데이터 및 2, 3차원 절점 태깅 데이터
-
메타데이터 구조표 데이터 영역 스포츠 데이터 유형 비디오 데이터 형식 mp4 데이터 출처 자체수집 라벨링 유형 비디오 라벨링 형식 JSON, CSV 데이터 활용 서비스 남녀노소 학습자를 대상으로 접근이 용이한 교육프로그램 및 비대면 자세교정, 교육 훈련 프로그램 개발 등 다양한 컨텐츠에 실질적으로 활용 가능 데이터 구축년도/
데이터 구축량2022년/17,200클립 이상 -
1. 데이터 구축 규모
데이터는 클립당 약 5~30초, FHD이상의 고해상도로 총 17,200클립 이상 구축
구분 세부내용 라벨 데이터 구축 수량 17,200클립 클립당 길이 약 5~25초 클립 영상 사이즈(해상도) 2064*1544 px 2. 데이터 분포
다양성 통계 – 인공지능 학습용 데이터의 주요 특성을 통계적 방법으로 분석
충분성, 균등성, 편향성 여부 확인구분 분포 기준 다양성
(통계)동작별 시연자 성별 분포 구분 비율 여성 9.32% 남성 90.68% 합계 100% 동작 시연자 연령 분포 구성 비율 20대 이하 36.15% 30대(30~39세) 49.23% 40대(40~49세) 13.08% 50대 이상 1.54% 합계 100% 다양성 요건 – 인공지능 학습용 데이터의 주요 학습요건 충족을 통계적 방법으로 검사
충분성, 균등성, 편향성 여부 확인구분 분포 기준 다양성
(요건)숙련도 분포 구성 구성비(%) 초급 24.58% 중급 25.42% 고급 50.00% 합계 100% 동작 클래스 구성 수량(클립) Mat 13,375 Reformer 757 Chair 2,002 Barrel 1,446 Spine Corrector 751 합계 18,331 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 학습 모델 후보
■ 임무 정의
● 동작 분류 (motion recognition)
● 동작 유사도 측정 (motion similarity measure)학습 모델 후보 알고리즘 성능지표 선정 여부 선정 사유 동작 분류 모델 PoseC3D top-3 accuracy 85% 이상 ○ 1순위 동작 유사도 측정 모델 BPE model auroc 60% 이상 ○ 1순위 구분 고려사항 설명 1 적합성 필라테스 동작 데이터를 학습하기에 적합한 모델인가? 2 실현 가능성 해당 모델을 구현하고 있는 믿을 만한 open-source가 존재하는가? 3 최신성 해당 분야의 최신 SOTA 모델인가? 4 선정 절차 1) 선정기준에 적합한 후보 리스트업
2) 1cycle 데이터를 이용하여 학습모델 개발
3) 성능 평가
4) 최적 학습모델 선정2. 학습 모델 개발
■ 동작 분류 모델- (개발 목표) 다양한 수준의 시연자들에 의해 생성된 전문 동작 데이터를 학습하고, 이를 기반으로 음성 대상 동작을 분류
- (개발 내용) 구축되는 학습데이터를 사용하여 PoseC3D 모델을 학습하고, 학습된 모델을 사용하여 동작분류 시행
■ 동작 유사도 측정 모델
- (개발 목표) 다양한 수준의 시연자들에 의해 생성된 전문 동작 데이터 쌍 (pair)에 대해, 동작 유사도 측정- (개발 내용) 축되는 학습데이터에 BPE model을 적용하여 유사도 값 확인
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 동작 분류 성능 Image Classification PoseC3D AccuracyTop-3 80 % 99.78 % 2 유사도 측정값 Prediction BPE AUC-ROC 0.6 단위없음 0.9665 단위없음
※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.
※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드1. 데이터 포맷
구분 데이터 포맷 동작 영상 데이터 포맷 ***.mp4 2D, 3D keypoint 포맷 ***.csv 동작 및 시연 정보 메타데이터 포맷 ***.json - 데이터 셋은 한 클립의 동작 영상당, 1) 8개의 2D 키포인트 데이터 2) 1개의 3D 키포인트 데이터 3) 1개의 JSON 데이터(메타데이터)로 구성됨
1) 동작 영상 데이터 포맷 : mp4
mp4 예시
2) 2D keypoint 포맷 : csv
2D keypoint 예시 
3) 3D keypoint 포맷 : csv
3D keypoint 예시 
4) 동작 및 시연정보 메타데이터 포맷
동작 및 시연 정보 메타데이터 포맷 
2. 어노테이션 포맷
구분 속성명 데이터타입 필수 여부 설명 작성예시 1 fps number Y frame rate "120" 2 annotations {} object Y 어노테이션 2-1 start_frame number Y 동작 시작 프레임 "149" 2-2 end_frame number Y 동작 끝 프레임 "1326" 2-3 start_time number Y 동작 시작 시간 "1.1333333" 2-4 end_time number Y 동작 끝 시간 "10.033333" 2-5 category_1 string Y 분류 체계 1 "Mat" 2-6 category_2 string Y 분류 체계 2 “Shoulder Joint Mobility” 3 actor {} object Y 동작 시연자 정보 3-1 level string Y 시연자의 숙련도 "고급" 3-2 gender string Y 시연자의 성별 "여성" 3-3 age number Y 시연자의 나이 "36" -
데이터셋 구축 담당자
수행기관(주관) : ㈜이루온아이앤에스
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김혜선 070-4489-1085 veryoung@eluonins.com 사업 총괄 PM 수행기관(참여)
수행기관(참여) 기관명 담당업무 대한브레이킹경기연맹 품질관리 지원 행복한상상(주) 동작 정의 및 움직임 분석, 시연자 관리, 동작 분류 나무기술(주) 저작도구 개발 및 지원 ㈜지앤지인터내셔널 수집도구 개발 및 기술지원 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김혜선 070-4489-1085 veryoung@eluonins.com
-
인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
* 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
* 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석 -
- AI 허브 접속
신청자 - 안심존
사용신청신청자신청서류 제출* - 심사구축기관
- 승인구축기관
- 데이터 분석 활용신청자
- 분석모델반출신청자
- AI 허브 접속
-
1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기]
2. 기관생명윤리위원회(IRB) 승인된 연구계획서
3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
4. 안심존 이용 신청서 [다운로드]
5. 보안서약서 [다운로드]
※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다. -
신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의
데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.
API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.
리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.
※ 파일 병합 리눅스 명령어
find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"
- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.
- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.
※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.