AI-Hub

데이터 변경이력

데이터 히스토리

소개

이동체 인지를 위한 도로 고정 드론 관점의 비행 영상 및 이미지 데이터

구축목적

드론을 통해 수집된 영상을 가공하여 인공지능 학습용 데이터 셋 구축, 구축된 인공지능 학습용 데이터 셋을 활용한 AI학습모델 및 인공지능 응용서비스 개발

구축 내용 및 제공 데이터량

• 교차로 교통분석, 조난자 수색, 드론택시 서비스별 드론 촬영 영상 100시간 이상 수집
• 수집된 영상 데이터 정제(비식별화, 불용 영상 삭제 등)
• 3개 서비스별로 정제된 영상 중 이미지를 추출하여 영상 자료 30만장 이상 가공(어노테이션 및 레이블링)
• 가공된 학습용 데이터 셋 검수를 통해 의미적/구문적 정확성 검증
• 가공된 학습용 데이터 셋을 활용한 AI모델 학습을 통해 유효성 검증  

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 드론을 통해 수집된 영상을 가공하여 인공지능 학습용 데이터 셋 구축, 구축된 인공지능 학습용 데이터 셋을 활용한 AI학습모델 및 인공지능 응용서비스 개발

활용 분야

• 교차로 교통분석, 조난자 수색, 드론택시 등 서비스에 필요한 객체 검출 및 식별을 위한 AI 요소 기술 개발 

소개

• 드론으로 촬영한 영상으로 자율주행, 교통량 분석 및 사람 등 특정객체를 식별하는 인공지능 학습에 활용하기 위한 목적으로 드론에 탑재된 4K 해상도 카메라를 활용하여 도심, 도로, 산 등 환경에서 목적에 맞는 다양한 객체에 대한 영상을 수집, 정제, 가공하여 인공지능 학습용 데이터를 구축하였음
  또한, 구축된 인공지능 학습용 데이터는 영상기반 분석을 통해 육상 객체 인지를 위한 인공지능 학습에 활용 가능하며, 효율적인 학습을 위해 다양한 환경과 객체 및 관련 정보를 포함하고 있음.

구축 내용 및 제공 데이터량

• 교차로 교통분석, 조난자 수색, 드론택시 서비스별 드론 촬영 영상 100시간 이상 수집
• 수집된 영상 데이터 정제(비식별화, 불용 영상 삭제 등)
• 3개 서비스별로 정제된 영상 중 이미지를 추출하여 영상 자료 30만장 이상 가공(어노테이션 및 레이블링)
• 가공된 학습용 데이터 셋 검수를 통해 의미적/구문적 정확성 검증
• 가공된 학습용 데이터 셋을 활용한 AI모델 학습을 통해 유효성 검증  

대표도면

필요성

• 드론의 기술적 발전, 정책적 완화, 시장의 급속한 확대 등 긍정적 측면을 더욱 가속화 하고, 사고와 같은 확장의 반대 급부를 완화하기 위하여 드론에 AI를 적용하여 드론 스스로 사고에 대한 위험을 줄이고 안전한 비행을 유도하도록 해야 함
• 드론의 조종을 위해 기본적으로 장착되는 카메라를 이용하여 최근 비약적 기술 발전을 이루고 있는 영상분야의 AI 기술을 적용하여 드론으로 촬영된 비정형 영상 데이터를 분석하여 현재보다 더 정확하고 신속하게 필요한 정보를 추출하며, 위험 및 위급 상황 시 드론의 기동성을 살려 신속하게 대응 할 수 있음
• 차세대 드론 플랫폼 중 드론택시의 안정성 확보를 위한 위험요소 감지를 위해 드론의 이동 환경에 따라 예상되는 방해물을 전사적으로 수집해둬야 할 필요가 있음
• 저 사양의 CCTV 등 영상 촬영 장치의 성능문제 및 상대적으로 낮은 고도에 설치된 위치에 비해 드론의 영상은 원하는 높은 고도에서 고화질의 영상을 촬영 할 수가 있으므로 질 적으로 우수한 데이터를 확보 가능하며 이를 활용하기 위한 방안들이 강구될 필요가 있음
• 산 등에서 조난 되는 사람을 찾기 위해서는 많은 인적, 물적 자원이 필요로 하며 훈련된 개의 후각에 의존하는 등의 어려움이 발생하며 산의 크기와 험난함에 따라 골든 타임을 놓치는 경우도 발생하나 드론을 활용 할 경우 많은 도움이 될 것임
• 상기 필요성에 따라 다양한 고도에서 지상 및 공중의 장애물 또는 객체를 드론에 탑재된 카메라를 활용하여 영상을 촬영(수집)하고 정제 및 가공하여 드론에 특화된 인공지능 학습용 데이터를 구축함

데이터 구조

• 데이터 구성

  수준 1	수준 2	타입	필수 여부	설명
  Metadata	mission-id	string	Y	세부과제번호 (택시, 교통, 조난자)
  	status	string	Y	촬영상태 (이륙, 착률, 임무, 비행)
  	drone-id	string		임의의 기체 번호 (AI01~AI08,D01~D07)
  	weather	string	Y	날씨 (맑음, 흐림)
  	time	string	Y	시간대 (오전, 오후)
  	altitude	integer	Y	고도 (m 단위)
  	angle	integer	Y	촬영각도 (° 단위)
  	places	string	Y	장소타입 (도시, 산, 평지, 이거리, 삼거리, 사거리)
  	location	string		장소에 따른 세부 번호
  	date	string	Y	날짜
  	hour	string	Y	저장시각
  	de-identification	string	Y	비식별화 작업 유무

   

• 어노테이션 포맷

  수준 1	수준 2	수준 3	타입	필수 여부	설명
  annotations	id		string	Y	어노테이션 ID
  	type		string	Y	어노테이션 타입
  	points		array (number)	Y	top left(x,y), top right(x,y), bottom left(x,y), bottom right(x,y)
  	label		string	Y	객체 대분류
  	attributes	person_pose	string	Y	객체 소분류 (조난자)
  		isTruncated	string	Y	객체 소분류 (드론택시)
  		isCrowd	string	Y	객체 소분류 (드론택시)
  filename			string	Y	파일명(획득자_날짜_날씨_각도_고도_시간_프레임번호.jpg)
  parent_path			string	Y	경로명 (폴더구조)
  metadata	height		integer	Y	이미지 높이
  	width		integer	Y	이미지 너비

   

• 객체 클래스 및 인스턴스

  객체 클래스	데이터 셋 분류(인스턴스)
  이동체	사람, 자동차(승용차, 버스, 트럭, 기타), 오토바이, 자전거, 기타
  고정체	건물, 가로수, 가로등, 전봇대, 입간판, 안내표지, 신호등,교량, 시설물
  임무별	드론택시	사람(보행자), 이륜차, 승용차, 버스, 트럭, 기타차량, 운동장, 야구장, 헬리패드, 옥외주차장, 철탑, 타워크레인, 고층건물
  	교차로 교통분석	사람(보행자), 이륜차, 승용차, 버스, 트럭, 기타차량
  	조난자 수색	사람(누워있음, 서 있음, 앉아 있음)

데이터셋 구축 담당자

수행기관(주관) : 메타빌드

수행기관(참여)

데이터 관련 문의처