차선/횡단보도 인지 영상(수도권)
- 분야교통물류
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2021-11-01 데이터 품질 보완 1.0 2021-06-18 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-13 신규 샘플데이터 개방 소개
차선 및 횡단보도 인지를 위한 수도권 지역 도로 주행 영상 및 이미지 데이터
구축목적
주행 영상에서 차선, 횡단보도, 정지선 등의 위치를 파악하고, 차선의 경우 점선/실선, 색상(백/황/청)을 파악할 수 있는 모델 학습을 위한 데이터셋
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 이미지 데이터 형식 데이터 출처 라벨링 유형 라벨링 형식 데이터 활용 서비스 데이터 구축년도/
데이터 구축량2020년/95만 -
구축 내용 및 제공 데이터량
- 300시간 이상의 원시데이터 (주행 영상)에서 이미지를 추출하고 객체 라벨링 및 비식별화 작업 수행
- 하단 구축 내용은 53/54 데이터를 통합한 구축량임
- 가공 이미지 수량: 1,997,468 (목표량: 190만장)
- 이미지당 평균 가공 객체 수: 6.2개이미지당 평균 가공 객체 수 전체 객체 수 12,391,436 횡단보도 (polygon) 850,682 정지선 (polyline) 634,148 차선 (polyline) 10,912,912 세부 데이터셋 구축량 수도권 845,571 광역시, 고속도로, 국도 등 850,407 동적객체 과제 영상 공유 301,490 - 차선 속성별 데이터 분포
-
-
AI 모델 상세 설명서 다운로드
AI 모델 다운로드 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 차선/횡단보도 영역 탐지 모델 Object Detection FCN ResNet50 F1-Score 0.6 점 0.8972 점
※ 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 다운로드데이터 변경이력
차선/횡단보도 인지 영상(수도권)-데이터변경이력 버전 일자 변경내용 비고 1.1 2021.11.01 데이터 품질 보완 1.0 2021.06.18 데이터 최초 개방 구축 목적
- 주행 영상에서 차선, 횡단보도, 정지선 등의 위치를 파악하고, 차선의 경우 점선/실선, 색상(백/황/청)을 파악할 수 있는 모델 학습을 위한 데이터셋
활용 분야
- 자율주행 실시간 영상 인식 기술 개발, 자율주행을 위한 정밀 지도 제작 자동화 기술 개발 등
소개
- 다양한 주행 환경에서 차량에 설치된 카메라를 통해 취득한 영상 데이터에서 차선과 정지선의 중심을 폴리라인으로 라벨링하고, 횡단보도 영역은 폴리곤으로 라벨링한 데이터 셋으로, 다양한 지역, 시간, 카메라 등의 환경에서 데이터를 구축하고자 노력함
<좌: 횡단보도 레이블 (붉은색 polygon), 우: 차선 레이블 (푸른색 polyline)>
구축 내용 및 제공 데이터량
- 300시간 이상의 원시데이터 (주행 영상)에서 이미지를 추출하고 객체 라벨링 및 비식별화 작업 수행
- 하단 구축 내용은 53/54 데이터를 통합한 구축량임
- 가공 이미지 수량: 1,997,468 (목표량: 190만장)
- 이미지당 평균 가공 객체 수: 6.2개전체 객체 수 12,391,436 횡단보도 (polygon) 850,682 정지선 (polyline) 634,148 차선 (polyline) 10,912,912 수도권 845,571 광역시, 고속도로, 국도 등 850,407 동적객체 과제 영상 공유 301,490 - 차선 속성별 데이터 분포
대표도면
- 데이터 가공 예시
필요성
- 인공지능의 폭발적인 발전은 이미지넷과 같은 거대한 데이터셋의 구축에서부터 비롯되는 것으로부터 비추어 볼 때, 한국의 자율주행 연구와 AI 기업의 발전을 위해 한국형 자율주행 데이터 구축 필요
- 해외 주요 자율주행 데이터셋 대부분이 차량 운행 중 동적 객체(차량 및 보행자)데이터 중심으로 정적 객체(차선, 횡단보도, 신호등, 표지판 등)에 대한 데이터 기반은 상대적으로 부족
- 정적 객체 정보의 경우 국가 별 도로교통 법규와 도로 시설물 표준이 상이하기 때문에 한국 자율주행 환경에서의 정적 객체 데이터 기반 마련 필요성 존재 (예를 들어, 신호등의 경우 국내는 가로방향이 많고, 해외는 세로방향이 많음)
데이터 구조
- 데이터 구성
데이터 구성 차선 데이터 가공 내용 정지선 데이터 가공 내용 횡단보도 데이터 가공 내용 1. 차선 색상(흰색, 노란색, 파란색)
2. 차선 종류(점선, 실선)2차 속성 없음 2차 속성 없음 - 어노테이션 포맷
어노테이션 포맷 대상(class) 분류 카테고리(드로잉 방식) 속성 값 차선 어노테이션 정보
(annotation)폴리라인
(polyline)x
(array)포인트 좌표(number) 시퀀스 y
(array)포인트 좌표(number) 시퀀스 type
(string)점선(dotted)
실선(solid)color
(string)흰색(white)
황색(yellow)
청색(blue)정지선 어노테이션 정보
(annotation)폴리라인
(polyline)x
(number array)포인트 좌표(number) 시퀀스 y
(number array)포인트 좌표(number) 시퀀스 횡단보도 어노테이션 정보
(annotation)폴리곤
(polygon)x
(number array)포인트 좌표(number) 시퀀스 y
(number array)포인트 좌표(number) 시퀀스 이미지 이미지 정보
(image)파일명
(filename)string 작업대상 파일명 이미지 크기
(imsize)integer 작업대상 이미지 크기
-
데이터셋 구축 담당자
수행기관(주관) : 라이드플럭스
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 정하욱, 박중희 064-748-8039 contact@rideflux.com · 비수도권 주행 데이터 수집 · AI 시범 모델 개발 (차선 영역 인식, 신호등 분류) · 얼굴/차량번호판 비식별화 · 데이터 구축 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 쏘카 · 전국 주행 데이터 수집 모빌테크 · 수도권 주행 데이터 수집 데이터메이커 · 차선/횡단보도 데이터 라벨링 한국창직협회 · 차선/횡단보도 데이터 라벨링 인피닉 · 신호등/표지판 데이터 라벨링
· 얼굴/차량번호판 비식별화중앙대학교 · 표지판 분류 압축 모델 개발
· 신호등 데이터 증강 모델 개발울산과학기술원 · 주행 경로 생성/예측 모델 개발
· 보행자 탐지 모델 개발데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 정하욱, 박중희 (라이드플럭스) 064-748-8039 contact@rideflux.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] [공용IRB 심의신청 가이드라인]
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.