-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2024-08-20 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-08-20 산출물 공개 Beta Version 소개
- 국내 비포장도로의 이미지를 수집하여 주행부와 환경부의 객체를 라벨링하여 인공지능 학습용 데이터 구축
구축목적
- 비포장 도로 환경의 다양한 지형이나 객체들의 빅 데이터를 활용한 AI 학습용 데이터를 구축하고, 국내 비포장도로에서의 자율주행이나 주행기반 서비스 개발을 지원하기 위함
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 이미지 데이터 형식 png 데이터 출처 직접 수집(촬영) 라벨링 유형 2D BoundingBox, 2D Segmentation, 서브라벨링 라벨링 형식 json 데이터 활용 서비스 자율주행 데이터 구축년도/
데이터 구축량2023년/150,120 -
- 데이터 구축 규모
데이터 구축 규모 데이터명 원시데이터 원천데이터 라벨링데이터 서브라벨링 비포장 도로 데이터 200,000장 150,120 장 150,120 장 15,000 장 참조데이터 좌측/우측/후방 이미지, 라이다, GPS, IMU 각 150,120 장 - 데이터 통계 및 분포
데이터 통계 및 분포 시간대별 날씨별 도로 유형별 객체별 (장) 주간 59% 맑음 60% 산악 36% 흙/진흙 89226 자갈 23300 잔디 45022 시멘트 74069 차량 33644 농경 31% 이륜차 702 흐림 30% 사람 4721 배수로 4296 야간 41% 나무 17304 해안 14% 바위 26588 전봇대 157518 건물 112362 비/안개 10% 옹벽 9760 복합 19% 교통표지판 1258 웅덩이 18998 기타 13535 논밭 43119 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- InternImage (Object Detection 모델)
- 대형 밀집 커널에 초점을 맞춘 CNN과는 달리, InternImage는 변형 가능한 컨볼루션을 핵심 연산자로 사용하는 것이 특징
- 감지 및 세분화와 같은 하향 작업에 필요한 유효 수용영역을 갖게 되며, 입력 및 작업 정보에 의존하는 적응형 공간 집계도 가능
- 기존 CNN의 엄격한 귀납적 편향을 줄이고, ViT와 같은 대규모 매개변수와 대규모 데이터로 더 강력하고 견고한 패턴을 학습
- 모델 GitHub https://github.com/OpenGVLab/InternImage/tree/master/detection- Swin Transformer (Instance Segmentation 모델)
- Swin Transformer는 구글에서 제안한 비전 트랜스포머의 단점을 개선한 Transformer 계열 모델
- Swin은 shifted window를 말하며, 이는 네트워크가 깊어질수록 이미지의 window가 이동하여 self-attention을 수행해 선형적인 연산을 가지면서도 작은 객체까지 검출이 가능해 높은 성능을 보임
- softmax를 취하기 전에 Relative position bias를 더하여 기존의 절대좌표를 더하는 것이 아닌 상대좌표를 더해줌으로써 더 좋은 성능을 보임
- 모델 Github https://github.com/shinya7y/UniverseNet/tree/master/configs/swinv2 -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 어노테이션 포맷
어노테이션 포맷 구분 속성명 타입 필수여부 설명 범위 1 images[] Object Y 이미지정보 2 images[].id Number Y 고유 ID 3 images[].width Number Y 이미지
가로길이4 images[].height Number Y 이미지
세로길이5 images[].file_name String Y 이미지명 6 images[].license String Y 라이센스 ㈜데이터메티카 7 images[].촬영날짜 String Y 촬영날짜 YYYY-MM-DD 8 images[].촬영날씨 String Y 촬영날씨 맑음, 흐림, 비/안개 9 images[].촬영장소 String Y 촬영장소 수도권, 지방 10 images[].장소유형 String Y 장소유형 산악, 농경,해안, 복합 11 images[].시간대 String Y 시간대 주간, 야간 12 annotations[] Object Y 어노테이션 정보 13 annotations[].class String Y 라벨링 클래스 14 annotations[].주행부 bool Y 주행부 true, false 15 annotations[].label_type String Y 라벨링 타입 bbox, segmentation 16 annotations[].coordinates[] array Y 라벨링 값 17 annotations[].coordinates[].value Number Y x, y의 좌표
(BBox의 경우 x,y,h,w)x : 0~1920
y : 0~1080- 데이터 구성 및 포맷
데이터 구성 및 포맷 구분 획득/수집 단계 정제 단계 가공 단계 데이터 구분 원시데이터 원천데이터 라벨링데이터 데이터 형태 이미지 이미지 2D BoundingBox 2D Segmentation 서브라벨링 데이터 포맷 png png json -실제 예시
실제 예시 {
"images": [
{
"id": 35,
"width": 1920,
"height": 1080,
"file_name": "1_1_1_09011649_0000000002.png",
"license": "(주)데이터메티카",
"촬영날짜": "2023-09-01",
"촬영날씨": "맑음",
"촬영장소": "지방",
"장소유형": "해안",
"시간대": "주간"
}
],
"annotations": [
{
"class": "흙/진흙",
"주행부": false,
"label_type": "segmentation",
"coordinates": [
818.28,
591.78,
706.51,
583.41,
704.99,
575.05,
784.07,
575.81,
956.66,
583.41,
1039.43,
610.6,
1149.84,
679.03,
1235.6,
728.3,
1305.86,
780.31,
1415.35,
877.03,
1479.31,
933.6,
1425.48,
904.4,
1318.77,
874.84,
1055.78,
857.76,
698.19,
869.73,
599.7,
879.8,
657.14,
838.71,
856.04,
628.85,
854.22,
608.78,
851.57,
598.74
]
}
]
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜에스디시스템
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김수환 031-739-6634 shkim@sdssytem.co.kr 사업총괄, 원시데이터 획득·수집 절차 수립, 촬영을 통한 데이터 획득·수집 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜사람과모빌리티 정제도구를 활용하여 학습용 데이터로 적합한 데이터 선별 및 처리 ㈜데이터메티카 라벨링 인력 채용 및 교육, 데이터 라벨링 생성·라벨링 데이터 검수 ㈜에스에스엘 자체 품질검증, 외부 품질검증 ㈜상상할수없는 학습모델 구축, 학습모델 품질 검증, 데이터 학습, AI모델 개발 한국자동차연구원 데이터 수집 프로세스 가이드라인 제공 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 정연재 031-9102-6121 yeonjaejeong@datamatica.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 이상철 070-8806-2328 lsc@onss.co.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 정연재 031-9102-6121 yeonjaejeong@datamatica.kr
-
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.