AI-Hub

데이터 변경이력

데이터 히스토리

소개

재사용 의류, 재활용 의류, 폐기 의류의 선별을 위한 폐의류 이미지 분류, 탐지 및 질의응답 데이터

구축목적

폐의류의 재활용율을 높이기 위한 폐의류 선별 가능한 폐의류 재활용 분류 및 선별 데이터 구축

◯ 데이터 구축 규모
 ● 총 구축 수량: 원천데이터 260,000개, 라벨링데이터 260,000개, QA 데이터 3개
 ● 원천데이터 100,000장 및 라벨링데이터 100,000건 데이터 구축 후 YOLOv8, RT-DETR, MDETR 각 모델별 <학습, 검증, 테스트> 데이터 분류 
 ● 폐의류 이미지 1장에 대하여 라벨링 데이터 1개로 구성되며, QA의 경우 별도로 구성됨
 ● 전체 분류(클래스 구분): 폐의류의 처리 목적에 따라 3종으로 분류
 ● 클래스 별 수집량: 의복의 형태에 따라서 11종으로 분류

◯ 데이터 분포

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

◯ YOLOv8
 ● 학습모델
  - 모델정보: YOLOv8
  - 공식홈페이지: https://docs.ultralytics.com/ko/
  - 깃헙: https://github.com/ultralytics/ultralytics

 ● 학습모델 정보
  - Ultralytics의 최신 버전인 YOLOv8. 이 모델은 딥러닝과 컴퓨터 비전의 최신 발전을 바탕으로 구축되었으며, 속도와 정확성 면에서 뛰어난 성능을 제공. 간결한 설계로 인해 다양한 애플리케이션에 적합하며, 엣지 디바이스에서부터 클라우드 API에 이르기까지 다양한 하드웨어 플랫폼에 쉽게 적응 가능.

 ● 라이센스
  - Ultralytics는 다양한 사용 사례에 맞춰 두 가지 라이선스 옵션을 제공.
  - AGPL-3.0 라이선스: 이 OSI 승인 오픈 소스 라이선스는 학생 및 애호가에게 이상적. 오픈 협력과 지식 공유를 촉진. 자세한 내용은 라이선스 파일을 참조.
  - 기업 라이선스: 상업적 사용을 위해 설계된 이 라이선스는 Ultralytics 소프트웨어 및 AI 모델을 상업적 제품 및 서비스에 원활하게 통합할 수 있게 하여 AGPL-3.0의 오픈 소스 요건을 우회. 상업적 제공물에 솔루션을 내장하는 시나리오에 관여하는 경우 Ultralytics 라이선싱을 통해 문의 필요.
  - 라이센스 가이드라인: https://github.com/ultralytics/ultralytics/blob/main/LICENSE

 ● 사용 가이드
 [모드 요약]
  - Train 모드: 사용자 맞춤 또는 사전 로드된 데이터셋 위에서 모델을 튜닝.
  - Val 모드: 트레이닝 후 모델 성능을 검증하기 위한 체크포인트.
  - Predict 모드: 실세계 데이터에서 모델의 예측.
  - Export 모드: 다양한 포맷으로 모델을 배포 준비 상태로 추출.
  - Track 모드: 객체 탐지 모델을 실시간 추적 애플리케이션으로 확장.
  - Benchmark 모드: 다양한 배포 환경에서 모델의 속도와 정확도를 분석.
  *자세한 사항은 공식 문서 참조: https://docs.ultralytics.com/ko/modes/

◯ RT-DETR
 ● 학습모델
  - 모델정보: RT-DETR
  - 깃헙: https://github.com/lyuwenyu/RT-DETR

 ● 학습모델 정보
  - RT-DETR(Real-Time DEtection TRansformer)은 실시간 객체 탐지를 위한 엔드투엔드 트랜스포머 기반 모델로, 높은 정확도를 유지하면서도 실시간 성능을 제공. NMS(Non-Maximum Suppression) 없이도 객체를 직접 예측할 수 있어 기존 모델보다 속도와 정확도 면에서 우수한 성능 보임.
  - 스케일 내 상호 작용과 스케일 간 융합을 분리하여 멀티스케일 특징을 효율적으로 처리

 ● 라이센스
  - Apache License 2.0 :  소스 코드의 사용, 수정, 배포가 허용되며, 이를 상업적 목적으로도 활용할 수 있음
  - 기업 라이선스: Apache License 2.0의 조건을 준수하여 소프트웨어를 사용하고 배포. 수정된 코드나 파생 제품을 배포할 경우, 변경 사항을 명확히 하고 원저작자에 대한 크레딧을 표시. 상표 사용에 대한 권한을 부여하지 않으므로, 원저작자의 상표나 로고를 사용할 때는 별도의 허가가 필요할 수 있음
  - 라이센스 가이드라인: https://olis.or.kr/images/egovframework/olisImage/common/OpensourceSW_License_Guide.pdf

 ● 사용 가이드
 [모드 요약]
  - Train 모드: 사사전 준비된 실시간 데이터 또는 사전 구축된 데이터셋을 이용하여 RT-DETR 모델의 성능을 조정 및 튜닝
  - Val 모드: 트학습 후 모델의 성능을 확인하기 위해 체크포인트에서 검증을 수행
  - Predict 모드: 실제 데이터를 입력받아 RT-DETR 모델의 예측 결과를 출력
  - Export 모드: 학습된 모델을 ONNX 등 다양한 형식으로 변환하여 배포 또는 복원 준비
  - Benchmark 모드: RT-DETR 모델이 다양한 배포 환경에서 실행될 때의 속도와 성능(정확도)을 분석
  - 자세한 내용은 RT-DETR 깃헙 문서 참조: https://github.com/lyuwenyu/RT-DETR

◯ MDETR
 ● 학습모델
  - 모델정보: MDETR
  - 홈페이지: https://ashkamath.github.io/mdetr_page/
  - 깃헙: https://github.com/ashkamath/mdetr

 ● 학습모델 정보
  - RMDETR(Modulated Detection for End-to-End Multi-Modal Understanding)는 이미지와 텍스트의 조합을 통해 객체를 탐지하는 엔드투엔드 모델로 트랜스포머 기반 아키텍처를 활용하여 이미지와 텍스트를 초기 단계에서 융합하고, 이를 통해 다양한 멀티모달 이해 작업에서 우수한 성능을 보임
  -  트랜스포머 기반 구조를 사용하여 이미지와 텍스트를 초기 단계에서 융합하며, 이를 통해 두 가지 모달리티 간의 공동 추론이 가능

 ● 라이센스
  - Apache License 2.0 :  소스 코드의 사용, 수정, 배포가 허용되며, 이를 상업적 목적으로도 활용할 수 있음
  - 기업 라이선스: Apache License 2.0의 조건을 준수하여 소프트웨어를 사용하고 배포. 수정된 코드나 파생 제품을 배포할 경우, 변경 사항을 명확히 하고 원저작자에 대한 크레딧을 표시. 상표 사용에 대한 권한을 부여하지 않으므로, 원저작자의 상표나 로고를 사용할 때는 별도의 허가가 필요할 수 있음
  - 라이센스 가이드라인: https://github.com/ashkamath/mdetr/blob/main/LICENSE

 ● 사용 가이드
 [모드 요약]
  - Train 모드: 주어진 텍스트-이미지 쌍 데이터셋을 사용하여 MDETR 모델을 학습. 텍스트와 이미지 간의 상호 연관성을 학습하여 정확한 객체 탐지와 관계 추론을 수행
  - Val 모드: 학습된 모델의 성능을 평가하기 위해 별도의 검증 데이터셋을 사용
  - Predict 모드: 학습된 MDETR 모델을 사용하여 새로운 텍스트-이미지 입력에 대한 객체 탐지 및 관계 추론 결과를 생성
  - Export 모드: 학습된 모델을 ONNX 등 다양한 형식으로 변환하여 배포 및 추론에 활용할 수 있도록 준비
  - 자세한 사항은 깃헙 문서 참조: https://github.com/ashkamath/mdetr

설명서 및 활용가이드 다운로드

◯ 폐의류 분류 현장에서 폐의류 이미지 촬영

[ 재사용 의류 예시 ]	[ 재활용 의류 예시 ]	[ 폐기 의류 예시 ]

◯ 라벨러를 통한 폐의류 이미지 바운딩박스 라벨링

[ 재사용 의류 예시 ]	[ 재활용 의류 예시 ]	[ 폐기 의류 예시 ]

◯ 재사용 의류 라벨링 어노테이션 포맷

◯ 재활용 의류 라벨링 어노테이션 포맷

◯ 폐기 의류 라벨링 어노테이션 포맷

◯ QA 어노테이션 포맷

데이터셋 구축 담당자

수행기관(주관) : DYETEC연구원

수행기관(참여)

데이터 관련 문의처

AI모델 관련 문의처

저작도구 관련 문의처