-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2022-07-28 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-01-03 담당자 정보 업데이트 2022-10-20 신규 샘플데이터 개방 2022-07-28 콘텐츠 최초 등록 소개
태극1-8장의 태권도 품새와 동작을 인식하여 분류(action classification)하거나, 태권도 자세 추정(pose estimation)을 위한 데이터
구축목적
동작인식 및 분류모델과 자세 추정 모델을 통하여 인식된 태권도 동작이 어떤 종류의 것인지, 표준형 태권도 자세의 키포인트 위치와 비교하여 바른 자세인지 여부 등을 평가하고 분류, 판정할 수 있음.
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 이미지 데이터 형식 jpg 데이터 출처 자체 수집 라벨링 유형 키포인트(이미지) 라벨링 형식 json 데이터 활용 서비스 태권도 승급/승단 평가 분석 서비스 데이터 구축년도/
데이터 구축량2021년/902,062 -
1. 데이터 구축 규모
- 원시데이터 획득
1. 데이터 구축 규모 원시데이터 획득 파일포맷 데이터 규모 해상도 FPS MP4 500시간 1920*1080 120FPS - 원천데이터 획득
1. 데이터 구축 규모 원천데이터 획득 파일포맷 데이터 규모 해상도 FPS jpg 300,000개
(동작기준)
/
902,306장
(이미지기준)1920*1080 120FPS - 라벨(가공)데이터
1. 데이터 구축 규모 라벨(가공)데이터 파일포맷 데이터 규모 라벨내용 json 300,000개
(동작기준)
/
902,306장
(이미지기준)2D인체자세 29개 keypoints
선수정보 등 메타데이터
2. 데이터 분포
- 선수모집 및 구성
2. 데이터 분포 선수모집 및 구성 구분 선수모집 및 구성 성별 · 남자 : 24명, 50%
· 여자 : 24명, 50%연령 - 성장단계, 수련단계 등 체육학적 근거에 따라 4분류
· 유소년(2009년 ~ 2011년 출생자) : 18명, 37.5%
· 청소년(2003년 ~ 2007년 출생자) : 10명, 20.83%
· 청 년(2002년 ~ 1983년 출생자) : 10명, 20.83%
· 장 년(1983년 이전 출생자) : 10명, 20.83%선수수련 - 전국 및 세계대회 선수급(A레벨), 일반수련생(B레벨)구분
· A레벨 : 6명, 12.5%
· B레벨 : 42명, 87.5%체급체형 - 체형, 체급, 키, 몸무게를 종합한 표준형, 비표준형 구분
· 표준형 : 27명, 56.25%
· 비표준형 : 21명, 43.75% - 데이터 라벨 구성
2. 데이터 분포 데이터 라벨 구성 구분 선수모집 및 구성 성별 · 남자 : 24명, 50%
· 여자 : 24명, 50%연령 - 성장단계, 수련단계 등 체육학적 근거에 따라 4분류
· 유소년(2009년 ~ 2011년 출생자) : 26.4%
· 청소년(2003년 ~ 2007년 출생자) : 24.8%
· 청 년(2002년 ~ 1983년 출생자) : 24.5%
· 장 년(1983년 이전 출생자) : 24.4%선수수련 - 전국 및 세계대회 선수급(A레벨), 일반수련생(B레벨)구분
· A레벨 : 15%
· B레벨 : 85%체급체형 - 체형, 체급, 키, 몸무게를 종합한 표준형, 비표준형 구분
· 표준형 : 58.3%
· 비표준형 : 41.7% - 64종 동작별 데이터 수량
2. 데이터 분포 64종 동작별 데이터 수량 NO 태권도 동작 64종 클래스 training set(80%) test set(10%) validation set(10%) 1 기본준비 60,246 7,647 7,584 2 내려헤쳐막기 5,172 672 696 3 돌려차고 앞굽이하고 아래막기 5,367 696 720 4 돌려차고 앞굽이하고 얼굴바깥막고 지르기 5,735 720 696 5 두발당성차고 앞굽이하고 안막고 두번지르기 5,773 768 760 6 뒤꼬아서고 두주먹젖혀지르기 8,279 1,056 1,066 7 뒤꼬아서고 등주먹앞치기 5,376 640 616 8 뒷굽이하고 거들어바깥막기 5,159 720 624 9 뒷굽이하고 거들어아래막기 5,184 648 600 10 뒷굽이하고 바깥막기 8,532 1,056 1,056 11 뒷굽이하고 손날거들어바깥막기 20,016 2,520 2,489 12 뒷굽이하고 손날거들어아래막기 6,813 1,920 1,914 13 뒷굽이하고 손날바깥막기 23,931 2,976 2,928 14 뒷굽이하고 안막기 8,914 1,040 1,040 15 뛰어앞차고 앞굽이하고 안막고 두번지르기 5,933 720 720 16 모아서고 보주먹 5,163 696 696 17 범서고 바탕손거들어안막고 등주먹앞치기 8,849 1,040 1,136 18 범서고 바탕손안막기 16,257 2,016 1,920 19 범서고 손날거들어바깥막기 8,466 1,056 1,032 20 범서고 안막기 8,797 1,120 1,136 21 앞굽이하고 가위막기 8,966 1,040 1,040 22 앞굽이하고 거들어세워찌르기 8,589 1,056 1,050 23 앞굽이하고 당겨지르기 8,541 1,056 1,056 24 앞굽이하고 두번지르기 14,033 1,560 1,497 25 앞굽이하고 등주먹앞치기 5,133 672 720 26 앞굽이하고 등주먹앞치기하고 안막기 9,728 1,056 1,152 27 앞굽이하고 바탕손안막고 지르기 8,538 1,056 1,056 28 앞굽이하고 손날얼굴비틀어막기 8,388 1,056 1,056 29 앞굽이하고 아래막고 안막기 8,981 1,120 1,056 30 앞굽이하고 아래막고 지르기 8,232 1,056 1,047 31 앞굽이하고 아래막기 22,458 2,847 2,847 32 앞굽이하고 안막고 두번지르기 9,018 1,120 1,149 33 앞굽이하고 안막기 5,352 640 640 34 앞굽이하고 얼굴막기 8,590 1,056 1,080 35 앞굽이하고 얼굴바깥막고 지르기 5,208 576 576 36 앞굽이하고 얼굴지르기 7,805 1,040 1,040 37 앞굽이하고 엇걸어아래막기 8,202 984 936 38 앞굽이하고 외산틀막기 8,652 960 960 39 앞굽이하고 제비품안치기 8,535 1,020 1,050 40 앞굽이하고 지르기 31,143 3,840 3,813 41 앞굽이하고 팔꿈치거들어돌려치기 8,613 1,056 1,056 42 앞굽이하고 팔꿈치돌려치고 등주먹앞치기하고, 지르기 8,868 1,056 1,056 43 앞굽이하고 팔꿈치표적치기 8,841 1,112 1,136 44 앞굽이하고 헤쳐막기 8,334 1,056 1,077 45 앞서고 등주먹바깥치기 8,460 1,056 1,056 46 앞서고 손날안치기 8,590 1,056 1,056 47 앞서고 아래막고 지르기 8,643 1,056 1,044 48 앞서고 아래막기 43,029 5,334 5,277 49 앞서고 안막고 지르기 8,534 1,023 1,056 50 앞서고 안막기 31,593 3,828 3,816 51 앞서고 얼굴막기 15,723 1,920 1,920 52 앞서고 지르기 15,789 1,917 1,989 53 앞차고 뒷굽이하고 바깥막기 16,955 2,176 2,176 54 앞차고 범서고 바탕손안막기 5,297 616 616 55 앞차고 앞굽이하고 등주먹앞치기 5,279 640 616 56 앞차고 앞굽이하고 아래막고 안막기 5,688 720 696 57 앞차고 앞굽이하고 지르기 20,975 2,576 2,600 58 앞차고 앞서고 아래막고 지르기 9,362 1,072 1,143 59 앞차고 앞서고 지르기 17,896 2,400 2,358 60 옆서고 메주먹내려치기 8,829 960 960 61 옆차고 뒷굽이하고 손날거들어바깥막기 5,832 600 600 62 주춤서고 손날옆막기 5,087 597 696 63 주춤서고 옆지르기 5,087 672 624 64 주춤서고 팔꿈치표적치기 8,845 1,056 1,136 합계 722,203 90,093 90,010
- 원시데이터 획득
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 활용모델
- 학습모델
- 데이터 구축 목적 및 개발된 인공지능 모델: 동작인식 및 분류 모델(VGG16–BN)과 태권도 자세 추정 모델(alpha pose)
- 모델별 소개
- 동작인식 분류 모델:
- 자세추정 모델:
- 동작인식 분류 모델:
- 모델학습 알고리즘
- 동작인식 및 분류 모델(VGG16–BN)
1) Modified VGGNet(VGG16-BN) : 16개 계층으로 구성된 컨벌루션 신경망
2) Human Detector 사용에 따른 정규화(YOLOv4, 224x224)
3) 동작 : Sequence images of pose (예:처음/중간/끝)
4) 입력은 동작, ground truth는 클래스 id (예: 0: 발차기, 폴더로 구분)
5) 다중분류를 위한 CrossEntropyLoss 손실함수 사용, 출력은 class id
6) 100 epoch, batch 128, optimizer SGD - 태권도 자세 추정 모델(alpha pose)
1) Human Detector 사용에 따른 정규화(YOLOv3, 224x224)
2) SPPE(Single Person Pose Estimator) 양쪽에 부착해 부정확한(inaccurate) bbx에서도 정확한 single person region을 탐색
3) 학습 단계에서는 Parallel SPPE를 두고 모든 가중치(weight)를 고정하고, 직접 참(truth) 포즈와 비교하고 가중치(weight)를 수정
4) 정확한 위치(center-located)에 있지 않으면 큰 오류가 전파되어 성능이 향상됨
- 동작인식 및 분류 모델(VGG16–BN)
- 모델학습 준비
- 모델 유효성 검증과정 및 결과
- 학습 및 검증과정 개요
- 검증결과
모델 유효성 검증과정 및 결과 검증결과 항목별 AI 모델 모델 목표
성능 지표모델 결과
성능 지표달성도 훈련 데이터 검증 데이터 테스트
데이터동작인식
분류모델VGG16
-BN
-accuracy : 80% -accuracy:
96.593%120.7% 722,203 90,010 90,093 자세추정
모델Alpha
Pose
- mAP : 80.0% - mAP: 98.94%
(OKS 0.5기준)123.6% 722,203 90,010 90,093
- 학습 및 검증과정 개요
- 학습모델
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 동작인식 정확도 Action Recognition Modified VGGNet(VGG16-BN) Accuracy 80 % 94.48 % 2 자세추정 정확도 Pose Estimation AlphaPose mAP 80 % 97.99 %
※ 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. 대표 도면
- 다시점(8개 방향) 카메라 이미지 + 동작시작점 – 중간점 – 종료점 이미지로 구분하여 데이터 가공
- 태권도 29개 키포인트
2. 라벨링데이터 구성
2. 라벨링데이터 구성 항목 항목명 타입 필수여부 설명 범위 1 metaData object 데이터 속성 기본정보 1–1 유급자품새 String 품새 유형구분 2 inspRejectYn String 검수현황값 3 labelingInfo array 라벨링정보 3–1 pose object 3–1–1 location object 3-1-1-1 왼쪽 뒷꿈치 object Y (x, y, view)
값으로 위치를 표현.
View는 포인트별로
1:보이는포인트,
-1:보이지않는 포인트로 정의3-1-1-1-1 x string Y 3-1-1-1-2 y string Y 3-1-1-1-3 view number Y 3-1-1-2 왼쪽 발목 object Y 3-1-1-2-1 x string Y 3-1-1-2-2 y string Y 3-1-1-2-3 view number Y 3-1-1-3 왼쪽 팔꿈치 object Y 3-1-1-3-1 x string Y 3-1-1-3-2 y string Y 3-1-1-3-3 view number Y 3-1-1-4 왼쪽 귀 object Y 3-1-1-4-1 x string Y 3-1-1-4-2 y string Y 3-1-1-4-3 view number Y 3-1-1-5 오른쪽 뒷꿈치 object Y 3-1-1-5-1 x string Y 3-1-1-5-2 y string Y 3-1-1-5-3 view number Y 3-1-1-6 오른쪽 엄지 발가락 object Y 3-1-1-6-1 x string Y 3-1-1-6-2 y string Y 3-1-1-6-3 view number Y 3-1-1-7 코 object Y 3-1-1-7-1 x string Y 3-1-1-7-2 y string Y 3-1-1-7-3 view number Y 3-1-1-8 오른쪽 팔꿈치 object Y 3-1-1-8-1 x string Y 3-1-1-8-2 y string Y 3-1-1-8-3 view number Y 3-1-1-9 왼쪽 무릎 object Y 3-1-1-9-1 x string Y 3-1-1-9-2 y string Y 3-1-1-9-3 view number Y 3-1-1-10 오른쪽 어깨 object Y 3-1-1-10-1 x string Y 3-1-1-10-2 y string Y 3-1-1-10-3 view number Y 3-1-1-11 왼쪽 눈 object Y 3-1-1-11-1 x string Y 3-1-1-11-2 y string Y 3-1-1-11-3 view number Y 3-1-1-12 왼쪽 손목 object Y 3-1-1-12-1 x string Y 3-1-1-12-2 y string Y 3-1-1-12-3 view number Y 3-1-1-13 오른쪽 무릎 object Y 3-1-1-13-1 x string Y 3-1-1-13-2 y string Y 3-1-1-13-3 view number Y 3-1-1-14 오른쪽 손목 object Y 3-1-1-14-1 x string Y 3-1-1-14-2 y string Y 3-1-1-14-3 view number Y 3-1-1-15 오른쪽 눈 object Y 3-1-1-15-1 x string Y 3-1-1-15-2 y string Y 3-1-1-15-3 view number Y 3-1-1-16 목 object Y 3-1-1-16-1 x string Y 3-1-1-16-2 y string Y 3-1-1-16-3 view number Y 3-1-1-17 오른쪽 새끼발가락 object Y 3-1-1-17-1 x string Y 3-1-1-17-2 y string Y 3-1-1-17-3 view number Y 3-1-1-18 왼쪽 어깨 object Y 3-1-1-18-1 x string Y 3-1-1-18-2 y string Y 3-1-1-18-3 view number Y 3-1-1-19 오른쪽 중지손가락 object Y 3-1-1-19-1 x string Y 3-1-1-19-2 y string Y 3-1-1-19-3 view number Y 3-1-1-20 오른쪽 엄지손가락 object Y 3-1-1-20-1 x string Y 3-1-1-20-2 y string Y 3-1-1-20-3 view number Y 3-1-1-21 오른쪽 발목 object Y 3-1-1-21-1 x string Y 3-1-1-21-2 y string Y 3-1-1-21-3 view number Y 3-1-1-22 왼쪽 엄지 발가락 object Y 3-1-1-22-1 x string Y 3-1-1-22-2 y string Y 3-1-1-22-3 view number Y 3-1-1-23 왼쪽 엉덩이 object Y 3-1-1-23-1 x string Y 3-1-1-23-2 y string Y 3-1-1-23-3 view number Y 3-1-1-24 가운데 엉덩이 object Y 3-1-1-24-1 x string Y 3-1-1-24-2 y string Y 3-1-1-24-3 view number Y 3-1-1-25 오른쪽 귀 object Y 3-1-1-25-1 x string Y 3-1-1-25-2 y string Y 3-1-1-25-3 view number Y 3-1-1-26 왼쪽 새끼 발가락 object Y 3-1-1-26-1 x string Y 3-1-1-26-2 y string Y 3-1-1-26-3 view number Y 3-1-1-27 오른쪽 엉덩이 object Y 3-1-1-27-1 x string Y 3-1-1-27-2 y string Y 3-1-1-27-3 view number Y 3-1-1-28 왼쪽 엄지 손가락 object Y 3-1-1-28-1 x string Y 3-1-1-28-2 y string Y 3-1-1-28-3 view number Y 3-1-1-29 왼쪽 중지 손가락 object Y 3-1-1-29-1 x string Y 3-1-1-29-2 y string Y 3-1-1-29-3 view number Y 3–1–2 label string Taekwondo Keypoints 고정 3–1–3 type string pose 고정 3–2 box object 3–2–1 boundingBox object Y 바운딩박스좌표값 3–2–1–1 Xmin int Y 3–2–1–2 Xmax int Y 3–2–1–3 Ymin int Y 3–2–1–4 Ymax int Y 3–2–2 label string 3–2–3 type string 3–3 categories object 3–3–1 poomsae string 태권도 동작 분류 3–4 images object 이미지정보 3–4–1 id string Y 이미지파일명 3–4–2 width number 이미지너비 1920 3–4–3 height number 이미지높이 1080 3–4–4 license string 이미지라이선스 3–4–5 camera id string 카메라 id 01~08 3–4–6 date created string 이미지촬영일자 3–5 videos object 영상정보 3–5–1 id string 영상파일명 3–5–2 width number 프레임너비 1920 3–5–3 height number 프레임높이 1080 3–5–4 frame rate number 프레임속도 120 3–5–5 camera id string 카메라 id 01~08 3–5–6 license string 영상라이선스 3–5–7 date created string 영상촬영일자 3–6 actors object 태권도선수정보 3–6–1 id string 선수별 고유 ID 3–6–2 sex string Y 선수 성별 3–6–3 age string Y 선수연령에 따라 4분류로 분류 3–6–4 level string Y 선수별 수련등급 3–6–5 physical string Y 선수별 체급체형 종합판정정보 3–7 info object 3–7–1 version string 데이터 버전 3–7–2 description string 데이터 이름 3–7–3 contributor string 데이터 제공자 3–7–4 url string 데이터 참조 URL 3. 라벨링데이터 실제예시
- 다시점(8개 방향) 카메라 이미지 + 동작시작점 – 중간점 – 종료점 이미지로 구분하여 데이터 가공
-
데이터셋 구축 담당자
수행기관(주관) : ㈜에어패스
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 최상훈 02-561-1511 [email protected] · 데이터 관리 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜가치랩스 · 데이터 정제, 전처리
· AI 알고리즘, 데이터검증㈜에이아이태권도 · 데이터 획득, 정제(원시데이터 분할)
· 데이터 가공, 데이터 라벨링 및 검수
· 태권도 선수 모집 및 크라우드소싱㈜컴아트시스템 · 데이터 획득, 영상촬영, 데이터 정제 도구 개발 ㈜미소정보기술 · 저작도구 개발, 유지보수, 데이터 뷰어 개발
· 저작도구 운영㈜울프슨랩 · AI 알고리즘, 데이터검증 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 최상훈 02-561-1511 [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.