콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#컴퓨터 비전

3D 지표투과레이더 탐사 데이터

3D 지표투과레이더 탐사 데이터 아이콘 이미지
  • 분야교통물류
  • 유형 이미지
구축년도 : 2022 갱신년월 : 2023-11 조회수 : 3,405 다운로드 : 128 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-11-21 데이터 최종 개방
    1.0 2023-04-30 데이터 개방(Beta Verison)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-11-21 산출물 전체 공개
    2023-07-18 메타데이터 수정

    소개

    2015~2022년까지 서울 주요 도로에서 획득한 공동데이터와 공동탐사 전문업체의 데이터를 활용한 데이터 구축

    구축목적

    AI 솔루션과 학습데이터를 구축하고 이를 기반으로 GPR 데이터 상 지하공동 신호를 자동으로 분석 가능한 기술을 개발
  • 데이터 구축 규모

    ● 전체 213,474건

     

    데이터 구축 규모
    클래스 부분클래스 B scan C scan 합계
    공동 대칭 23,844 46,941 70,785
    비대칭 14,007 25,134 39,141
    기타 4,821 8,301 13,122
    비공동 맨홀 34,227 45,909 80,136
    종배관 4,566 2,529 7,095
    횡배관 1,692 1,503 3,195
    합계 83,157 130,317 213,474

     


    데이터 분포

    ● 클래스별 분포: 공동(대칭형, 비대칭형, 기타형), 비공동(맨홀, 종배관, 횡배관)
    ● 스캔면별 분포: B 스캔, C 스캔
     

    데이터 분포 차트

     

  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    모델학습
    GPR데이터 탐사에 좋은 성능을 보이는 EfficientDet 모델을 사용하였으며 최종적으로 0.8457의 [email protected]의 성능을 보임

     

    ● 학습 데이터 통계

     
    학습 데이터 통계
    구분 B scan C scan 합계
    공동 공동 대칭 23,844 46,941 70,785
    공동 비대칭 14,007 25,134 39,141
    공동 기타 4,821 8,301 13,122
    비공동 맨홀 34,227 45,909 80,136
    종배관 4,566 2,529 7,095
    횡배관 1,692 1,503 3,195
    합계 83,157 130,317 213,474

     

    ● 클래스별 test mAP 결과값

     
    클래스별 test mAP 결과값
    B scan 공동 대칭형 0.9468
    B scan 공동 비대칭형 0.8585
    B scan 공동 기타형 0.8621
    B scan 맨홀 0.9687
    B scan 종배관 0.6139
    B scan 횡배관 0.9952
    C scan 공동 대칭형 0.6442
    C scan 공동 비대칭형 0.6847
    C scan 공동 기타형 0.6581
    C scan 맨홀 0.9964
    C scan 종배관 0.9202
    C scan 횡배관 0.9995

     

    EfficientDet 모델학습 이미지

     

    서비스 활용 시나리오
    ● 지하시설물의 안전점검, 도로포장에 대한 관리 효율화 및 비용절감과 지표투과레이데 탐사를 통한 공동관리 업무에 활용
    ● 공동신호 추론 기능이 탑재된 AI모델을 통해 공동신호를 자동으로 검출하여 추론된 공동신호의 위치와 매칭률을 시각화하여 제공
     

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 객체 탐지 성능 Object Detection EfficientDet mAP@IoU 0.5 70 % 84.27 %

    ※ 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 다운로드

    GPR 데이터셋데이터 예시

    GPR 데이터셋데이터 예시 1   GPR 데이터셋데이터 예시 2

    GPR 데이터셋데이터 예시 3    GPR 데이터셋데이터 예시 4      

     

    xml 형식

     

    xml 형식
      항목명 타입 필수 설명 범위
    어노테이션 포맷 permittivity string Y 탐사지역 유전율 0~15
    rainfall string Y 탐사 전 3일간 강수량  
    address string N 서울시 구 코드 0이상 실수
    localpath string Y 원천데이터 상대주소  
    verified string Y xml 파일 오류 검증 여부  
    equipment string Y 탐사 장비 코드  
    source string N 원시 3D gpr 데이터 코드  
    segmented string N    
    temphum string Y 탐사 당일 온습도  
    roadtype string Y 도로 매질 아스팔트
    scanclass string Y 스캔면 B/C
    datetime string Y 탐사날짜, 시간  
    folder string Y 폴더명  
    filename string Y 원천데이터 이름  
    size object Y 원천데이터 크기  
    depth string Y gray scale의 경우 1  
    width string Y 이미지 너비  
    height string Y 이미지 높이  
    channels string Y 장비에서 제공하는 채널 수  
    channellayer string Y 이미지 채널/층 번호  
    gainvalue string Y 그레이스케일 이미지로 변환시 사용된 상수값 0.25, 0.5, 1.0
    object object Y   비공동의 경우 빈 분자열
    cavity_size object N 공동 크기
    w string N 공동 횡단길이
    h string N 공동 종단길이
    l string N 공동의 높이
    bndbox object Y bbox 좌표  
    xmin string Y  
    ymin string Y  
    xmax string Y  
    ymax string Y  
    pose string Y    
    name string Y 클래스명 cavity, manh, lpipe, tpipt
    truncated string Y    
    difficult string Y    
    cavityclass string N 공동클래스 A, B, C
    실제 예시 실제 예시 코드 스크린샷

     

     

  • 데이터셋 구축 담당자

    수행기관(주관) : 셀파이엔씨(주)
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    이기석 070-5222-9548 [email protected] 사업 총괄, 원시데이터수집, 데이터 정제, 데이터 가공
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    (주)아이리스테크놀로지 원시데이터수집, 데이터 정제, 데이터 가공
    (주)피플인사이드 품질관리
    성균관대학교 산학협력단 AI 모델 개발
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 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.