도로장애물/표면 인지 영상(수도권)
- 분야교통물류
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.3 2023-05-08 데이터 추가 개방 1.2 2021-10-26 데이터 추가 개방 1.1 2021-08-23 데이터 품질 보완, 추가 개방 1.0 2021-06-30 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-03-23 담당자 이메일변경 2022-10-13 신규 샘플데이터 개방 소개
수도권 지역 도로상의 장애물 및 도로 표면의 이상 상태 인지를 위한 영상 및 이미지 데이터
구축목적
자율주행 중 도로상의 장애물 및 도로 표면의 이상 상태를 영상기반으로 인식할 수 있는 인공지능 개발을 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/100만 -
구축 내용 및 제공 데이터량
- 300시간 이상 다양한 환경에서의 공사 중 도로 및 파손도로 영상
- 인공지능 학습 데이터 100만 장 이상
데이터 Naming 표 이미지 프레임 AI 학습용 데이터 구축량 객체 바운딩박스 동적 객체 예측불가 동적객체 도로상에 출현하는 고라니, 사슴 보행자 5만 정적 객체 예측불가 정적객체 화물차에서의 낙하물(상자), 라바콘, 공사표지판, 쓰레기 30만 도로위 낙서 산사태 등의 암석 5만 노면 포트홀 포트홀 10만 보수완료 포트홀 정상도로에 보수완료된 포트홀 20만 맨홀 정상도로에 맨홀 객체 시맨틱 세그맨테이션 노면 크랙 크랙 30만 -
-
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 분할화 성능 Segmentation 자체 제작 모델(지도 학습, 전이 학습, CNN 기반) Accuracy 97 % 99.15 % 2 객체 검출 Object Detection 자체 제작 모델(지도 학습, 전이 학습) F1-Score 0.57 점 0.693 점 3 분할화 성능 Segmentation 자체 제작 모델(지도 학습, 전이 학습, CNN 기반) mIoU 62 % 65 %
※ 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
도로장애물/표면 인지 영상(수도권)-데이터변경이력 버전 일자 변경내용 비고 1.2 2021.10.26 데이터 추가 개방 1.1 2021.08.23 데이터 품질 보완, 추가 개방 1.0 2021.06.30 데이터 최초 개방 구축 목적
- 자율주행 중 도로상의 장애물 및 도로 표면의 이상 상태를 영상기반으로 인식할 수 있는 인공지능 개발을 위한 데이터셋
활용 분야
- 도로 유지보수, 자율주행 회피 거동
소개
- 자율주행 자동차가 주행 중 입는 손상을 최소화하고, 주행 가능 여부, 회피 여부 등 도로 상태 판단을 위한 학습 데이터 구축
구축 내용 및 제공 데이터량
- 300시간 이상 다양한 환경에서의 공사 중 도로 및 파손도로 영상
- 인공지능 학습 데이터 100만 장 이상
데이터 Naming 표 이미지 프레임 AI 학습용 데이터 구축량 객체 바운딩박스 동적 객체 예측불가 동적객체 도로상에 출현하는 고라니, 사슴 보행자 5만 정적 객체 예측불가 정적객체 화물차에서의 낙하물(상자), 라바콘, 공사표지판, 쓰레기 30만 도로위 낙서 산사태 등의 암석 5만 노면 포트홀 포트홀 10만 보수완료 포트홀 정상도로에 보수완료된 포트홀 20만 맨홀 정상도로에 맨홀 객체 시맨틱 세그맨테이션 노면 크랙 크랙 30만 대표도면
<이미지 원본>
<이미지 객체 검출>
<이미지 크랙 세그멘테이션>
필요성
- 자동차 주행 중 도로 상 장애물 및 도로 표면 이상 상태 인식 필요
낙하물, 포트홀, 크랙 등 도로 표면 파손 구역을 회피하여 주행하도록 함으로써 자동차가 주행 중 입는 손상 최소화 - 유지보수에 필요한 정보를 빠르게 취득하여 운전 환경 개선 및 비용 절감
- AI 학습을 위해 다양한 도로에서의 장애물 및 도로 파손 데이터셋 필요
데이터 구조
- 데이터 구성
- 데이터 Naming
・ <차량구분>_<영상장치>_<동영상 No.>_<촬영일자>_<비식별화>_<카메라 No.>_<촬영지역>_<날씨구분>_<도로상태>_<촬영시간구분>_.PNG
예) 2020년 10월30일 11시 30분, 부산에서 구름 낀 날씨에 촬영한 이미지
V1F_HY_0002_20201030_113045_E_CHO_Busan_Cloud_Mainroad_Day_0005.png데이터 구조 표 구분 이름 설명 차량구분 V0F, V1F, V2F, ... VnF, 차량 및 운전자 고유번호 영상장치 HY_0002, HY_0015, ... 동영상(1분, MP4) 고유 No. 촬영일시 촬영일 : YYYY/MM/DD (년월일)_20201118 촬영시간 : hh/mm/ss 시/분/초_131958 비식별화 N / E N : 비식별 X E : 비식별 O 카메라(채널) CH0, CH1, ... 카메라 위치, 채널 No. 촬영 지역 Seoul / Busan 수도권, 광역시 구분 날씨 구분 Sun / Cloud / Rain / Fog / Snow 맑음/흐림/비/안내/눈 등 도로 상태 Frontback / Highway / Kidzone / Mainroad / Industrialroads 도심(골목길), 고속도로 어린이보호구역), 국(지방)도, 항만/공단 촬영시간 구분 Day / Night / Sunrise / Sunset 낮/밤/일출/일몰 등 PNG No. _0005 이미지 생성시 PNG 번호 - 어노테이션 포맷
어노테이션 포맷 표 No 항목명 항목설명 타입 필수구분 단위 1 데이터셋정보 데이터셋 전체에 관한 전반적인 정보를 포함하는 메타데이터 object 1 1-1 데이터셋명 String Y 1-2 데이터셋상세설명 String 1-3 데이터셋URL String 1-4 데이터셋생성일자 String Y 2 이미지정보 데이터셋을 구성하는 각 이미지에 대한 메타데이터 및 학습 데이터 List 2 2-1 이미지식별자 String Y 2-2 이미지너비 Number Y pixel 2-3 이미지높이 Number Y pixel 2-4 이미지파일명 String Y 2-5 이미지라이선스 String 2-6 이미지촬영일자 String 2-7 이미지촬영날씨 String Y 2-8 이미지촬영시간대 String Y 2-9 원본영상정보 String Y 2-10 프레임순서 String Y 3 어노테이션정보 데이터셋의 어노테이션에 대한 메타데이터 및 학습 데이터 List 3 3-1 어노테이션식별자 String Y 3-2 연관이미지식별자 String Y 3-3 어노테이션속성 Object 3-4 어노테이션 바운딩박스 List 3-5 어노테이션 이미지 Image
-
데이터셋 구축 담당자
수행기관(주관) : 건국대학교 산학협력단
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 조기춘 02-2049-6265 [email protected] · 사업 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 에이다스원 · 데이터 설계
· 원천 데이터 수집 및 정제
· AI모델 개발(객체 검출 mAP)네오피엠 · 데이터 설계
· 원천 데이터 수집 및 정제
· AI모델 개발(객체 검출 mAP) 지원연세대학교 산학협력단 · 데이터 설계 지원
· AI모델 개발(객체 검출, 시멘틱 세그멘테이션)스타마타 · 데이터 가공, 검수, 크라우드소싱 관리
· 저작도구 개발공간정보산업진흥원 · 데이터 검수, 크라우드소싱 관리 한국교통대학교 산학협력단 · AI 모델을 활용한 응용서비스 개발 (자율주행 회피 거동 서비스) 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 조기춘(건국대학교 산학협력단) 02-2049-6265 [email protected]
-
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 [email protected] 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.