-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2021-06-18 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2022-10-12 신규 샘플데이터 개방 소개
실내 환경에서 보행자 추적 기술을 개발하기 위한 AI 영상 데이터
구축목적
라이다-카메라 융합 센서를 이용하여 실내 보행자의 연속적인 동선을 추적하기 위한 객체 인식 딥러닝 모델 학습용 데이터셋 구축
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 센서 , 이미지 데이터 형식 데이터 출처 라벨링 유형 라벨링 형식 데이터 활용 서비스 데이터 구축년도/
데이터 구축량2020년/10.8만 -
구축 내용 및 제공 데이터량
- 실내 라이다-카메라 동기화 원천 데이터 300시간
- 촬영 장소 : 테스트베드, 전시장(킨텍스, 코엑스), 마트, 제주공항 등
- 객체 인식/추적 모델 학습용 2D/3D 바운딩박스 데이터 108,000set
구축 내용 및 제공 데이터량 표 구분 구축량 원천데이터 전방향 전방향 라이다-카메라 193시간 단방향 단방향 라이다-카메라 112시간 합 계 305시간 학습용 데이터셋 전방향 전방향 라이다-카메라 72,178set 라이다 점 군 (bin) 72,178장 라이다 레이블 (txt) 72,178개 카메라 영상 (png) 360,890장 카메라 레이블 (txt) 360,890개 통합 레이블 (json) 72,178개 단방향 단방향 라이다-카메라 36,025set 라이다 점 군 (bin) 36,025장 라이다 레이블 (txt) 36,025개 카메라 영상 (png) 36,025장 카메라 레이블 (txt) 36,025개 통합 레이블 (json) 36,025개 합계 108,203set -
-
AI 모델 상세 설명서 다운로드
AI 모델 다운로드 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 라이다 기반 보행자 객체 인식 모델 학습 유효성 Object Detection PointPillar, PVRCNN AP 50 % 50.06 % 2 라이다 기반 비주류 객체 인식 모델 학습 유효성 Object Detection PointPillar, PVRCNN mAP 5 % 5.4 %
※ 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 다운로드데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.0 2021.06.18 데이터 최초 개방 구축 목적
- 라이다-카메라 융합 센서를 이용하여 실내 보행자의 연속적인 동선을 추적하기 위한 객체 인식 딥러닝 모델 학습용 데이터셋 구축
활용 분야
- 보행자 인식/추적 기술을 통해 고객의 동선 정보를 파악하고, 이를 기반으로 매장 설계, 상품 전시 전략, 머천다이징, 마케팅 등에 활용
주요 키워드
- 라이다-카메라 센서 퓨전, 실내 보행자 인식, 보행자 동선 추적
소개
- 실내 보행자의 인식 및 연속적인 동선 추적을 위한 객체 인식 딥러닝 모델 학습용 데이터셋으로, 라이다-카메라 융합 센서를 이용하여 시간, 공간적으로 동기화된 라이다 3차원 점 군 데이터와 카메라 RGB 영상 데이터를 확보하고, 보행자 정보에 대한 2D/3D 바운딩박스 레이블링 및 영상 내 개인정보 비식별화 처리가 완료된 학습용 데이터셋 구축
<라이다-카메라 융합 센서 기반 데이터 수집 시스템>
구축 내용 및 제공 데이터량
- 실내 라이다-카메라 동기화 원천 데이터 300시간
- 촬영 장소 : 테스트베드, 전시장(킨텍스, 코엑스), 마트, 제주공항 등
- 객체 인식/추적 모델 학습용 2D/3D 바운딩박스 데이터 108,000set
구축 내용 및 제공 데이터량 표 구분 구축량 원천데이터 전방향 전방향 라이다-카메라 193시간 단방향 단방향 라이다-카메라 112시간 합 계 305시간 학습용 데이터셋 전방향 전방향 라이다-카메라 72,178set 라이다 점 군 (bin) 72,178장 라이다 레이블 (txt) 72,178개 카메라 영상 (png) 360,890장 카메라 레이블 (txt) 360,890개 통합 레이블 (json) 72,178개 단방향 단방향 라이다-카메라 36,025set 라이다 점 군 (bin) 36,025장 라이다 레이블 (txt) 36,025개 카메라 영상 (png) 36,025장 카메라 레이블 (txt) 36,025개 통합 레이블 (json) 36,025개 합계 108,203set 대표도면
필요성
명시적 객체 인식 알고리즘의 한계 극복
- 규칙 기반 알고리즘은 응용 분야 및 대상 환경이 매우 제한적이고, 객체 인식 정확도가 떨어지며, 낮은 확장성을 가짐
- 딥러닝 기법을 통해 객체 인식 성능을 향상시키고, data-driven model 기반 응용 분야 확장성 확보가 필수
- 딥러닝 기반 인식 모델을 개발하기 위해서는 센서 특성을 반영하는 대량의 학습 데이터셋 요구가 증가
센서 맞춤형 데이터셋, AI 모델 개발 요구
- 기존 라이다-카메라 공개 데이터셋은 자율주행 분야를 대상으로 해외/실외 환경에 대해 구축이 주를 이루어 360도 회전형 기계식 라이다 중심인 반면 대규모 쇼핑 단지에서 보행자 추적을 위한 데이터셋은 부족
- 고해상도 고정형 라이다에 특화된 데이터셋 및 센서 맞춤형 AI 인지 솔루션 개발이 필요
데이터 구조
- 학습용 데이터 속성 및 폴더 구조
- 실내에 존재하는 동적 객체인 보행자, 유모차, 카트, 휠체어를 인식할 수 있는 딥러닝 기반 객체 검출 및 추적 모델의 학습을 위한 2D/3D 바운딩박스 레이블 데이터
데이터 구조 표1 학습용 데이터 어노테이션 속성 라이다
라벨링
데이터TrackingID 객체 추적용 ID Type 객체 카테고리 (0: 보행자(pedestrian)
1: 유아차(stroller), 2: 카트(cart), 3: 휠체어(wheelchair))3D Bbox
Position바운딩 박스 위치
(center_x, center_y, center_z [m])3D Bbox
Dimension바운딩 박스 크기
(length, width, height [m])Heading 움직이는 방향
(h_angle [rad])Difficulty 객체 검출 난이도
(0: easy, 1: moderate, 2: hard)카메라
라벨링
데이터TrackingID 객체 추적용 ID (0~99) Type 객체 카테고리 (0: 보행자(pedestrian)
1: 유아차(stroller), 2: 카트(cart), 3: 휠체어(wheelchair))2D Bbox
Position2D 바운딩 박스 위치
(center_x, center_y [pixel])2D Bbox
Dimension2D 바운딩 박스 크기
(width, height [pixel])Difficulty 객체 검출 난이도
(0: easy, 1: moderate, 2: hard)데이터 구조 표2 폴더명 파일명 설명 시스템 수집 일시 데이터 종류 데이터 타입 파일명 파일 포맷 velo YYYY-MM-DD-HH-SS-## cam01 calb calibration txt 라이다-카메라 캘리브레이션 데이터 cam ###### png 카메라 원천 데이터 cam_label clab_###### txt 카메라 2D 바운딩박스 레이블 cam02 위 파일 구조와 동일 cam03 cam04 cam05 json ###### json 라이다-카메라 통합 레이블 (구문진단규칙 참고) lidar lidar ###### bin 라이다 원천 데이터 lidar_label llab_###### txt 라이다 3D 바운딩박스 레이블 sos YYYY-MM-DD-HH-SS-## cam01 calb calibration txt 라이다-카메라 캘리브레이션 데이터 cam ###### png 카메라 원천 데이터 cam_label clab_###### txt 카메라 2D 바운딩박스 레이블 json ###### json 라이다-카메라 통합 레이블 (구문진단규칙 참고) lidar lidar ###### bin 라이다 원천 데이터 lidar_label llab_###### txt 라이다 3D 바운딩박스 레이블 -
데이터셋 구축 담당자
수행기관(주관) : 3D융합산업협회
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 강승철 02-6388-6080 sch.kang@gokea.org · 데이터 구축 총괄 · 라이다-카메라 융합 센서 개발 · 저작도구(데이터 정제/가공 SW) 개발 · AI 모델 개발 수행기관(참여)
수행기관(참여) 기관명 담당업무 웨슬리퀘스트 · 단방향 라이다-카메라 원천 데이터 수집
· 데이터 정제 및 가공3D융합산업협회 · 데이터 품질검수 SOS Lab · 데이터 가공 및 품질검수 한국전자기술연구원 · 전방향 라이다-카메라 원천데이터 수집
· 개인정보 비식별화미르시스템 · 보행자 동선 추적 기술 기반 응용 서비스 개발 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 이용이(SOS Lab) 062-973-5051 yongyi.lee@soslab.co
-
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]
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 safezone1@aihub.kr 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.