콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#환경

생활환경소음 AI학습용 데이터 및 민원 관리 서비스 구축 사업

생활환경소음 AI학습용 데이터 및 민원 관리 서비스 구축 사업 아이콘 이미지
  • 분야한국어
  • 유형 오디오 , 이미지
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 8,129 다운로드 : 552 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-12-06 데이터 최종 개방
    1.0 2023-04-30 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2024-01-04 데이터설명서, 구축업체정보 수정 담당자 정보 수정
    2024-01-03 산출물 전체 공개

    소개

    층간소음, 공사장소음, 사업장소음, 교통소음 크게 4가지 카테고리에서 세부적으로는 총 38종류의 소음으로 구성되어 있으며, 각 소음은 음원과 스펙트로그램 이미지로 구성되어 있는 38,658건의 인공지능 학습용 데이터

    구축목적

    일상 생활에서 접할 수 있는 생활환경 소음을 실제 소음 발생 시 AI 기반 상황 인지·판단을 통하여 생활 환경 속 소음 감소 방안 등의 솔루션에 제공하기 위하여 다양한 상황별·환경별 소음 데이터셋 구축
  • 데이터 분포

    데이터 분포
    대분류 중분류 소분류 수량
    A.층간소음 1.중량충격음 a.어른발걸음소리 1,034
    b.아이들발걸음소리 1,105
    c.망치질소리 1,118
    2.경량충격음 a.가구끄는소리 1,039
    b.문여닫는소리 1,077
    c.런닝머신에서뛰는소리 1,065
    d.골프퍼팅(골굴리는소리) 1,061
    3.생활소음 a.화장실물내리는소리 1,049
    b.샤워할때물소리 1,054
    c.드럼세탁기소리 1,043
    d.통돌이세탁기소리 1,083
    e.진공청소기소리 1,088
    f.식기세척기소리 1,083
    4.악기 a.바이올린연주소리 1,123
    b.피아노연주소리 1,058
    5.애완동물 a.강아지짓는소리 1,056
    b.고양이우는소리 947
    B.공사장 1.건설장비 a.항타기의파일박는소리 947
    b.항발기의파일뽑는소리 947
    c.착암기의발파구멍뚫는소리 947
    d.굴착기의땅파는소리 957
    e.공기압축기의공기압축소리 947
    f.브레이커의암석파쇄소리 986
    g.발전기의가동소리 954
    2.차량 a.덤프트럭의엔진소리 1,081
    b.불도저의엔진소리 1,103
    c.페이로다의굴착소리 947
    d.백호우의굴착소리 947
    e.레미콘의콘크리트섞는소리 947
    C.사업장 1.상가건물 a.옥외설치확성기의소음 947
    b.에어컨실외기의가동소리 1,058
    2.학원시설 a.등하원아이들떠드는소리 986
    b.학원소리(예체능) 947
    3.골프연습장 a.골프연습장의타구음 1,046
    D.교통소음 1.자동차 a.심야에자동차가빠르게주행하는소리 970
    2.트럭 a.심야에배송트럭이빠르게주행하는소리 947
    3.이륜차 a.심야에이륜차가빠르게주행하는소리 1,017
    4.기타 a.심야에울리는횡단보도신호기소리 947
    총 수량 38,658
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    모델학습
     

    ResNet의 모델 구조

    [ResNet의 모델 구조]

     

    resnet은 34, 50, 101, 152가 있고 본 과제에서는 50 layer resnet을 사용함.
    50부터는 layer를 더 많이 쌓아야 하므로 conv가 3개 있는 bottle neck을 사용함.
    Input에서는 224x224 이미지를 input으로 받음.
    스펙트로그램 이미지를 학습하기에 적합한 모델이며 고성능을 기대한다면 resnet101, resnet152를 사용할 수 있음.
     

    학습결과

    학습결과
    class ID class상세 recall precision f1-score accuracy
    A1a a. 어른발걸음 소리 0.955 0.934 0.944 0.997
    A1b b. 아이들발걸음 소리 0.93 0.951 0.941 0.997
    A1c c. 망치질 소리 0.98 0.976 0.978 0.999
    A2a a. 가구 끄는 소리 0.943 0.989 0.965 0.998
    A2b b. 문 여닫는 소리 0.963 0.952 0.957 0.998
    A2c c. 런닝머신에서 뛰는 소리 1 1 1 1
    A2d d. 골프퍼팅(골 굴리는 소리) 0.996 0.966 0.981 0.999
    A3a a. 화장실 물내리는 소리 0.982 0.982 0.982 0.999
    A3b b. 샤워할때 물소리 0.996 0.974 0.985 0.999
    A3c c. 드럼세탁기 소리 0.938 0.924 0.931 0.996
    A3d d. 통돌이세탁기 소리 0.946 0.954 0.95 0.997
    A3e e. 진공청소기 소리 0.959 0.989 0.974 0.999
    A3f f. 식기세척기 소리 0.984 0.968 0.976 0.999
    A4a a. 바이올린 연주 소리 0.996 0.975 0.985 0.999
    A4b b. 피아노 연주 소리 0.985 0.989 0.987 0.999
    A5a a. 강아지 짓는 소리 0.989 0.989 0.989 0.999
    A5b b. 고양이 우는 소리 0.993 0.997 0.995 1
    B1a a. 항타기의 파일 박는 소리 0.987 0.992 0.989 1
    B1b b. 항발기의 파일 뽑는 소리 0.996 1 0.998 1
    B1c c. 착암기의 발파구멍 뚫는 소리 0.996 0.996 0.996 1
    B1d d. 굴착기의 땅파는 소리 0.993 1 0.997 1
    B1e e. 공기압축기의 공기 압축 소리 1 1 1 1
    B1f f. 브레이커의 암석 파쇄 소리 0.996 0.989 0.993 1
    B1g g. 발전기의 가동 소리 1 1 1 1
    B2a a. 덤프트럭의 엔진 소리 0.996 1 0.998 1
    B2b b. 불도저의 엔진 소리 1 1 1 1
    B2c c. 페이로다의 굴착 소리 1 0.996 0.998 1
    B2d d. 백호우의 굴착 소리 1 0.996 0.998 1
    B2e e. 레미콘의 콘크리트 섞는 소리 1 1 1 1
    C1a a. 옥외 설치 확성기의 소음 0.988 0.996 0.992 1
    C1b b. 에어컨 실외기의 가동 소리 0.984 0.968 0.976 0.999
    C2a a. 등하원 아이들 떠드는 소리 0.984 0.996 0.99 1
    C2b b. 학원 소리 (예체능) 0.951 0.957 0.954 0.997
    C3a a. 골프 연습장의 타구음 0.988 0.976 0.982 0.999
    D1a a. 심야에 자동차가 빠르게 주행하는 소리 0.897 0.86 0.878 0.993
    D2a a. 심야에 배송트럭이 빠르게 주행하는 소리 0.862 0.887 0.874 0.993
    D3a a. 심야에 이륜차가 빠르게 주행하는 소리 0.915 0.939 0.927 0.996
    D4a a. 심야에 울리는 횡단보도 신호기 소리 0.996 1 0.998 1
    총계          
    mean   0.975 0.975 0.975 0.999

    [Test set 클래스별 recall, precision, F1-score, accuracy 결과]

     

    학습결과 Test set Confusion matrix 결과

    [Test set Confusion matrix 결과]

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 소음 분류 성능 Audio Classification ResNet50 Accuracy 90 % 97.21 %

    ※ 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 다운로드

    라벨링데이터 구성

    라벨링데이터 구성
    구분 속성명 타입 필수여부 설명 범위
    1 metaData object Y    
      1-1 name string Y 데이터셋명 생활환경고도화
    1-2 src_path string Y 원천데이터경로  
    1-3 label_path string Y 라벨링데이터경로  
    1-4 group string Y 카테고리
    (소음분류)
    A.층간소음, B.공사장, C.사업장, D.교통소음
    1-5 lifeEnviro string Y 생활환경
    (소음분류상세)
    1.중량충격음, 2.경량충격음
    ~
    4.기타
    1-6 sourceInfo string Y 소음세부분류 38종
    1-7 samplingRate string Y 샘플링레이트 48khz
    1-8 bit string Y 음원 비트 16bit, 24bit, 32bit
    1-9 channel string Y 음원 채널 1ch
    1-10 locationLatitude string Y 수집위치 위도  
    1-11 locationLongitude string Y 수집위치 경도  
    1-12 data_capt string Y 데이터 수집 날짜  
    1-13 getStartTime string Y 데이터 수집 시작시간  
    1-14 getEndTime string Y 데이터 수집 끝시간  
    1-15 timeSlot string Y 수집 시간대 dayTime, nightTime, rushHour
    1-16 region string Y 수집 지역구분 광역시, 일반시(동), 일반시(읍면리), 특별시
    1-17 location string Y 수집 장소유형 공사현장~학원근처 9종
    1-18 locationType string Y 수집 장소평수 10~30평, 10평미만, 50평이상, 실외
    1-19 distance string Y 이격거리 2m이내, 5m이내, 7m이내, 바로앞
    1-20 weather string Y 날씨 구름있음, 맑음, 바람있음, 우천,흐림
    1-21 type string Y 파일확장자 WAV
    2 annotation array Y    
      2-1 {} object Y    
        2-1-1 category string Y 카테고리코드 A1a~
    D4a
        2-1-2 startTime number Y 소음구간시작시간  
        2-1-3 endTime number Y 소음구간종료시간  
        2-1-4 labelText string Y 소음원 얼음발검음소리~ 심야에울리는횡단보도신호기소리

     

    라벨링데이터 실제예시(JSON)

    라벨링데이터 실제예시(JSON) 코드

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜지뉴소프트
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    홍성극 02-3463-0802 sg.hong@gnewsoft.com 수집,정제,가공,검사,AI
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜아큐리스 데이터 정제, 가공
    ㈜메트릭스 데이터 수집
    ㈜미소정보기술 저작, 검수도구 제공
    ㈜타임게이트 데이터 검사
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    홍성극 02-3463-0802 sg.hong@gnewsoft.com
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
    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.