AI-Hub

데이터 변경이력

데이터 히스토리

소개

해상 객체 및 환경 객체 인식을 위한 선박 항해 영상 데이터

구축목적

선박 운항 영상으로부터 해상 환경 및 객체를 식별할 수 있도록 인공지능을 훈련하기 위한 데이터셋

구축 내용 및 제공 데이터량

• 원본데이터 1,500시간 동영상 데이터(mkv 포맷)
• 원본데이터에서 추출한 snapshot을 Boundingbox와 Polygon으로 가공한 이미지 데이터 540만장(jpg 포맷)
• 환경 이미지

  구축 내용 및 제공 데이터량 표

  대분류	클래스	가공 방법	수량
  환경 클래스	바다	Polygon	300,000
  	하늘	Polygon	300,000
  	수평선	Polyline	250,000
  	섬	Polygon	80,000
  	해안선	Polyline	10,000
  	기타 구조물	Polygon	200
  	부두	Polygon	500
  	암초	Polygon	300

• 객체 이미지

  구축 내용 및 제공 데이터량 표-객체

  대분류	클래스	가공 방법	수량
  객체 클래스	선박	Bounding Box	1,000,000
  	해상풍력	Bounding Box	300,000
  	기타 부유물	Bounding Box	80,000
  	어망부표	Bounding Box	30,000
  	등대	Bounding Box	30,000
  	부표	Bounding Box	30,000

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 선박 운항 영상으로부터 해상 환경 및 객체를 식별할 수 있도록 인공지능을 훈련하기 위한 데이터셋

활용 분야

• 자율운항, 무인수색, 해상환경 식별 등 선박 운항 중 마주치는 주변 상황을 파악하고 운항을 보조할 수 있는 AI 기술 개발

소개

• 선박에는 레이더나 음파탐지기 등의 안전 운항을 위한 여러 장치가 장착되어 있으나, 여전히 견시에 의한 해상 객체 파악이 안전 운항의 중요 요소임. 해상객체 이미지 데이터는 해상 영상을 기반으로 안전 운항을 저해하는 객체를 식별하고 이를 자동으로 회피하기 위한 선박 제어 인공지능 알고리즘이나 주변 환경이나 해상 객체를 식별하여 감시나 수색 등의 임무를 수행하는 무인 수색 인공지능 알고리즘에 활용 가능.
   

구축 내용 및 제공 데이터량

• 원본데이터 1,500시간 동영상 데이터(mkv 포맷)
• 원본데이터에서 추출한 snapshot을 Boundingbox와 Polygon으로 가공한 이미지 데이터 540만장(jpg 포맷)
• 환경 이미지

  구축 내용 및 제공 데이터량 표

  대분류	클래스	가공 방법	수량
  환경 클래스	바다	Polygon	300,000
  	하늘	Polygon	300,000
  	수평선	Polyline	250,000
  	섬	Polygon	80,000
  	해안선	Polyline	10,000
  	기타 구조물	Polygon	200
  	부두	Polygon	500
  	암초	Polygon	300

• 객체 이미지

  구축 내용 및 제공 데이터량 표-객체

  대분류	클래스	가공 방법	수량
  객체 클래스	선박	Bounding Box	1,000,000
  	해상풍력	Bounding Box	300,000
  	기타 부유물	Bounding Box	80,000
  	어망부표	Bounding Box	30,000
  	등대	Bounding Box	30,000
  	부표	Bounding Box	30,000

대표도면

필요성

• 대규모 국책 사업과 더불어 민간 분야에서도 자율운항 및 무인선박 등에 대한 연구가 활발히 진행 중
• 지상의 자율주행 관련 학습용 데이터 구축에 비해 국내 및 해외에서는 해상 이미지 데이터 구축이 미흡함
• 또한 차선과 정형화된 신호체계 등이 있는 지상과는 다르게 해상만의 특징을 포함한 학습용 데이터 필요
• 이에 국내 항만 및 연안 특성과 운항 환경 및 특징 등을 반영한 한국형 해상 운항 이미지를 기반으로 인공지능 학습용 데이터를 구축

데이터 구조

• 1. 데이터 구성
   

  데이터 구성 표

  구분	식별자	설명	타입	필수 여부
  영상 메타 정보	id	영상 고유 식별 번호	int	Y
  	file name	영상 파일 이름	string	Y
  	date_captured	영상 촬영 시간	string	Y
  	length	영상 길이	string	Y
  	port	영상 촬영 해역 항만	string	Y
  	season	영상이 촬영된 계절	string
  	weather	영상 촬영 날씨	string	Y
  	wave height	영상 촬영 시 파고(m)	int
  	wind speed	영상 촬영 시 풍속(m/s)	int
  	visible distance	영상 내 가시거리(km)	int
  	width	영상 넓이	int	Y
  	height	영상 높이	int	Y
  	frame rate	초당 프레임 수(fps)	int
  	date_created	메타 파일 생성 시간	string	Y
  	date_updated	메타 파일 수정 시간	string	Y
  	license	라이선스 아이디	int	Y
  이미지 메타 정보	id	이미지 고유 식별 번호	int	Y
  	file name	이미지 파일 이름	string	Y
  	frame number	이미지의 영상 내 프레임 번호	int	Y
  	date_captured	이미지 촬영 시간	string	Y
  	source_video_id	소스 영상 아이디	int	Y
  	included classes list	이미지 내 포함된 객체 클래스 목록	list	Y
  	labeling object list	이미지 내 포함된 라벨링 객체 정보	list	Y
  	port	촬영 해역 항만	string	Y
  	latitude	자선 위도	string
  	longitude	자선 경도	string
  	season	이미지가 촬영된 계절	string
  	weather	이미지 촬영 날씨	string	Y
  	wave height	영상 촬영 시 파고(m)	int
  	wind speed	영상 촬영 시 풍속(m/s)	int
  	visible distance	영상 내 가시거리(km)	int
  	width	영상 넓이	int	Y
  	height	영상 높이	int	Y
  	date_created	메타 파일 생성 시간	string	Y
  	date_updated	메타 파일 수정 시간	string	Y
  	license	라이선스 아이디	int	Y

• 2. 어노테이션 포맷
   

  어노테이션 포맷 표

  구분	식별자	설명	타입	필수 여부
  라벨링 데이터	id	레이블링 객체 고유 식별 번호	int	Y
  	image_id	레이블링이 수행 된 소스 이미지 아이디	int	Y
  	category_id	해당 객체 분류 정보	int	Y
  	type	Boudingbox, Polygon, Polyline 구분	string	Y
  	segmentation	객체 레이블링 영역의 각 꼭지점	list	Y
  	properties	객체의 세부 속성	object
  	area	면적	int	Y
  	bbox	바운딩 박스 크기 및 위치	list	Y
  	isobscured	가려짐 여부	int
  	istruncated	잘림 여부	int
  	risk	위험 수준	string
  객체 정보 - category	id	객체 정보 식별 번호	int	Y
  	supercategory	대분류	string	Y
  	category	중분류	string	Y
  	name	소분류 - 레이블링 값	string

데이터셋 구축 담당자

수행기관(주관) : 한국해양과학기술원부설선박해양플랜트연구소

수행기관(참여)

데이터 관련 문의처