동일 객체 인식 오류 방지 데이터
- 분야영상이미지
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.2 2024-06-18 라벨링데이터 추가 개방 1.1 2023-10-30 데이터 최종 개방 1.0 2023-06-14 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-11-27 산출물 전체 공개 소개
객체 인식 오류 방지 인공지능 발전 연구를 위하여 다수의 응집된 객체 또는 시각적 유사도가 낮지만 동일 한 객체 인식 능력 향상에 활용할 수 있는 데이터
구축목적
다양한 모양으로 변환된 객체, 응집된 다수의 객체 등을 정확하게 인식하기 위한 시각적 유사도가 낮지만 동일한 객체 데이터 55만장 이상을 구축함
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 이미지 데이터 형식 JPG 데이터 출처 직접수집 라벨링 유형 바운딩박스(이미지) 라벨링 형식 JSON 데이터 활용 서비스 더욱 정확한 객체 인식 및 유사 객체 분류가 필요한 무인계산대, 상품분류 로봇 등 스마트 물류 시스템, 스마트 매장 구축에 활용 가능 데이터 구축년도/
데이터 구축량2022년/649,128장(627.94GB) -
1. 데이터 통계
• 데이터 구축 규모
- 원천데이터 총 649.1천장(정상 및 형태변환 데이터 592.7천장 / 계수변환 데이터 56.4천장)
- 이미지 데이터 및 레이블링 데이터가 1쌍으로 구성1. 데이터 통계 구분 종류 구축 규모 이미지 데이터 JPG 이미지 파일 649,128장 레이블링 데이터 JSON 파일(어노테이션정보 및 메타 데이터 정보) 649,128건 2. 데이터 분포
• 분류별 분포 : 과실류, 채소류, 음료, 유제품, 세탁용품, 주방용품, 문구용품, 화장품, 인형·완구, 구축 건수
• 형태변환별 분포 : 정상, 변형, 분리/분해, 손실/파손, 훼손 구축 건수2. 데이터 분포 구분 정상 변형 분리/분해 손실/파손 훼손 계수변환 총합계 비율 과실류 32,126 28,235 27,864 29,009 28,720 14,237 160,191 24.70% 채소류 16,443 16,209 13,413 15,360 15,579 7,157 84,161 13.00% 음료 10,123 10,429 10,621 11,015 10,601 4,686 57,475 8.90% 유제품 8,279 8,048 7,959 7,964 8,262 3,748 44,260 6.80% 세탁용품 6,363 6,255 6,128 5,886 5,972 2,913 33,517 5.20% 주방용품 12,440 12,136 12,209 12,009 12,100 6,537 67,431 10.40% 문구용품 10,851 12,148 12,379 11,890 12,084 5,067 64,419 9.90% 욕실용품 7,259 7,835 7,932 7,893 8,052 3,721 42,692 6.60% 화장품 10,376 10,111 10,167 10,070 10,123 4,785 55,632 8.60% 인형·완구 7,225 7,074 7,107 7,279 7,077 3,588 39,350 6.10% 총합계 121,485 118,480 115,779 118,375 118,570 56,439 649,128 100.00% 
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 모델 학습
• 2021년 7월에 출시된 YOLOX는 이전 YOLO 네트워크 와 다른 Anchor free 방식
• YOLOX의 경우 baseline(yolov3(spp)), 강력한 augmentation 기법, Anchor free가 가장 큰 특징
< YOLOX Architecture >
2. 서비스 활용 시나리오
• 시각적으로 유사도가 낮은 동일한 객체를 인식함으로 머신 비전 고도화
• 이미지 검색 서비스에 활용하여 더욱 정확한 정보를 제공 가능
• 객체의 다양한 변화가 많은 스마트 홈이나 스마트 키친 활용 가능 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 바운딩박스 탐지 성능 Object Detection YOLOX mAP@IoU 0.5 60 % 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. 데이터 포맷
- 데이터 예시
- 레이블링 데이터 예시
2. 데이터 구성
- 기본 포맷 : JPG + JSON File로 구성된 한 쌍
- 데이터 가공(라벨링) 내용2. 데이터 구성 구분 No 속성명 속성 및 내용 필수 1 info 데이터셋 정보 필수 2 description 상세설명 필수 3 version 버전 필수 4 year 날짜 필수 5 contributor 기관명 필수 6 date_created 데이터 생성 날짜 필수 7 images 이미지 정보 필수 8 id 이미지 식별 필수 9 width 이미지 너비 필수 10 height 이미지 높이 필수 11 file_name 파일명 필수 12 annotations 라벨링 정보 필수 13 id 라벨링 식별 필수 14 image_id 연관이미지 식별 선택 15 count 계수변환 필수 16 category_id 클래스 식별 필수 17 category 클래스 필수 18 bbox 바운딩박스 필수 19 area 범위 필수 20 categories 클래스 정보 필수 21 id 클래스 식별 필수 22 name 클래스 명칭 필수 23 object 개체 명칭 필수 24 level2 중분류 필수 25 level1 대분류 필수 26 licenses 라이센스 정보 필수 27 id 라이센스 식별 필수 28 name 라이센스 명 필수 29 url 라이센스 URL 3. 어노테이션 포맷
3. 어노테이션 포맷 구분 속성명 타입 필수여부 설명 범위 비고 1 info object 데이터셋 정보 1-1 description string Y 상세설명 1-2 version string Y 버전 1-3 year string Y 날짜 1-4 contributor string Y 기관명 1-5 date_created string Y 데이터 생성 날짜 2 images array 이미지 정보 2-1 id number Y 이미지 식별 1~9999999 2-2 width number Y 이미지 너비 0~1920 2-3 height number Y 이미지 높이 0~1080 2-4 file_name string Y 파일명 3 annotations array 라벨링 정보 3-1 id number Y 라벨링 식별 1~100 3-2 image_id number Y 연관이미지 식별 1~9999999 3-3 count number N 계수변환 3-4 category_id number Y 클래스 식별 1~10000 3-5 category string Y 클래스 3-6 bbox array Y 바운딩박스 3-7 area number Y 범위 0~2073600 4 categories array 클래스 정보 4-1 id number Y 클래스 식별 1~10000 4-2 name string Y 클래스 명칭 4-3 object string Y 개체 명칭 4-4 level2 string Y 중분류 4-5 level1 string Y 대분류 5 licenses object 라이센스 정보 5-1 id number Y 라이센스 식별 0~10000000 5-2 name string Y 라이센스 명 5-3 url string Y 라이센스 URL 4. 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : 스마트쿱㈜
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 최진욱 02-548-6969 [email protected] 수집 및 정제, 품질검증 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜크리에이션즈 수집 및 정제 노아에스앤씨㈜ 가공 및 모델링 ㈜엠티데이타 품질검증 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 최진욱 02-548-6969 [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.