-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.2 2024-06-24 최종데이터 수정 Training(원천, 라벨링 데이터) 1.1 2023-05-10 라벨링데이터 수정 1.0 2022-07-28 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-20 신규 샘플데이터 개방 2022-07-28 콘텐츠 최초 등록 소개
다양한 선박 및 해양플랜트 부품의 품질 검사 이미지를 수집한 데이터셋으로, FPSO 배관, 버트/파이프/필렛 조인트, 모재, 선체, 케이블, 보온재, 덕트 데이터를 포함하며, 재사용에 제한이 없도록 저작권 문제를 완전히 해결한 원천 데이터를 확보
구축목적
선박 및 해양플랜트에 활용되는 부품의 품질 검사를 위한 인공지능 알고리즘 또는 딥러닝 모델 개발
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 이미지 데이터 형식 jpg 데이터 출처 현장 직접 촬영 라벨링 유형 바운딩박스(이미지), 세그멘테이션(이미지) 라벨링 형식 JSON 데이터 활용 서비스 선박 및 해양플랜트 부품의 인공지능 품질검사 서비스 데이터 구축년도/
데이터 구축량2021년/200,000 -
1. 데이터 구축 규모
2. 데이터 분포
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 불량 상태 인식(bbox) 모델 : EfficientDet
- EfficientDet 알고리즘은 2019년 Google Brain 팀에서 발표할 객체식별 알고리즘으로 EfficientNet을 기반으로 하며, BiFPN(Weighted bi-directional Feature Network), Compound Scaling을 적용하여 속도, 정확도를 향상
2. 불량 상태 인식(segmentation) 모델 : Swin-Tranformer
- 2021년에 발표된 인스턴스 세그멘테이션을 위한 모델로 자연어처리에서 널리 사용되는 Transformer 모델을 컴퓨터 비전에 적용
- COCO test-dev 데이터셋 기준으로 mask AP 0.51로 SOTA(State OF The Art) 달성
3. 서비스 활용 개념도
- EfficientDet 알고리즘은 2019년 Google Brain 팀에서 발표할 객체식별 알고리즘으로 EfficientNet을 기반으로 하며, BiFPN(Weighted bi-directional Feature Network), Compound Scaling을 적용하여 속도, 정확도를 향상
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 객체 분류 Image Classification ResNet 50 Accuracy 75 % 91.22 % 2 바운딩박스 객체 인식 Object Detection EfficientDet D3 mAP 72 % 86.06 % 3 폴리곤 객체 인식 Object Detection Swin-Transformer mAP 51 % 88.3 %
※ 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)
-
데이터셋 구축 담당자
수행기관(주관) : 미래아이티(주)
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 박길주 02-6241-0101 [email protected] · 데이터 구축 및 품질관리 총괄 수행기관(참여)
수행기관(참여) 기관명 담당업무 (주)자이플래닛 · AI모델 개발
· 데이터 수집 플랫폼DSME정보시스템 · 데이터 수집 및 품질관리 (주)데이터누리 · 데이터 가공 플랫폼 거제대학교 산학협력단 · 데이터 수집 및 품질관리 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 박길주 02-6241-0101 [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.