• AI 기술 및 응용서비스 개발에 활용가치가 높은 인공지능 학습용 데이터 구축 및 개방, AI응용 서비스 개발
• 국내 특성(지리 공간적, 기능적)이 반영된 국내 도심 민간건물, 공공기관, 관광명소, 편의시설 등 국내 도시별 주요 랜드마크 이미지 데이터 구축

• 인공지능 학습용 데이터를 구축‧개방하고자 하는 기업, 협회, 출연연, 공공기관, 대학 등 민간‧공공 법인 등의 서비스 개발에 활용, 대용량 이미지 검색 및 추상화-레벨 분류 AI 모델 개발(A Large-Scale Instance-level Recognition and Image Retrieval), 랜드마크 객체 검출 AI 모델에 활용(Landmark Object Detection)

• 인공지능(Artificial Intelligence), 데이터셋(Data Set), 랜드마크(Landmark)), 기계학습(Machine Learning), 딥러닝(Deep Learning), 객체 검출(Object Detection), 이미지 분류(Image Classification), 이미지 검색(Image Retrieval)

• 인공지능 기반의 컴퓨터 비전 기술 및 서비스 개발에 활용하기 위한 국내 특성이 반영된 국내 도심 민간건물, 공공기관, 관광명소, 편의시설 등 국내 도시별 주요 랜드마크 이미지 데이터 구축

• AI 학습용 데이터 구축량
  - 전국 50개 도시의 랜드마크(국내 공공기관, 주요 건물, 관광명소, 편의시설 등) 이미지를 구축하되 도시별 500개 랜드마크 각 200장 내외, 총 500만장 이상 이미지 구축

• 인공지능 학습용 데이터 활용 응용서비스‧제품 개발 방안
  - 사전학습 모델(Pre-Trained Model) 연구 개발
  : 구축된 500만장의 랜드마크 이미지를 활용하여 25,000개의 클래스(50개 도시, 500 랜드마크)를 분류하는 Instance-Level Recognition 모델과 이미지가 주어졌을때 유사 이미지를 판별하는 Retrieval 모델 개발
• 사전학습 모델을 활용한 응용서비스 개발 방안
  - Instance-Level Image-classification 모델 개발

• 국내 공공데이터의 개방수준은 세계 최고 수준이지만, AI 성능향상에 필수적인 기계학습용 데이터의 제공은 부족한 상황
• 학습용 데이터, 알고리즘, 컴퓨팅 파워는 AI 혁신의 핵심원천이나, 공공․민간의 자발적 축적‧개방을 통한 활성화 노력이 미진
• 국내 중소·벤처기업들은 AI 학습용 데이터를 자체 구축하기에 많은 시간과 비용이 소요되고 원천 데이터 확보의 어려움 호소

수행기관(주관) : 피씨앤

수행기관(참여)