NEW 훼손 및 블러링 데이터
- 분야영상이미지
- 유형 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-10-30 데이터 최종 개방 1.0 2023-07-05 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-08 산출물 전체 공개 2023-11-03 데이터설명서, 구축가이드, 교육동영상 공개 소개
카메라 훼손에 의해 발생하는 Real blur(훼손블러) 10종, GT Image에 대한 인위적인 합성으로 생성되는 Synthesis blur(합성블러) 10종으로 구분하여 데이터 구축
구축목적
∘ 노이즈(카메라 장비 오류, 렌즈 결함, 또는 외부 환경 요인 등) 영상 내 객체 인식 및 추적 성능 향상과 노이즈 이미지 ∘ 영상 복원(블러 제거) 기술 고도화를 위한 블러링 데이터 구축
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 이미지 데이터 형식 jpg 데이터 출처 직접 촬영 라벨링 유형 바운딩박스(이미지) 라벨링 형식 JSON 데이터 활용 서비스 블러 및 노이즈가 심한 야간이나 악 기상 시(눈, 비 등) 상황에서 촬영된 영상에서도 안정적인 성능을 가능하게 함으로써 범죄나 산업 안전 재해 예방 기여 ∘ 블러 등의 노이즈가 있는 환경에서 깨끗한 영상을 복원하는 디블러링(Deblurring) 연구는 영상 복원 분야에서도 가장 중요한 태스크 중 하나이며, 이에 대한 원천기술을 선점함으로써 국가 발전에 이바지하고 관련 인재 양성에 기여 데이터 구축년도/
데이터 구축량2022년/1,116,417건 -
1. 데이터 구축 규모
공정 구분 단위 수량 수집 객체 종 80 영상 Clips 개 10,840 정제 이미지 Frame frame 1,116,520 중복제거 frame 1,116,520 비식별화 frame 1,116,520 가공/품질 Bounding box 가공 frame 1,116,417 2. 데이터 분포
∘ Real blur 분포구분 구축량(집계) 비율(집계) 전방포커스_FF 2,293 10.60% 후방포커스_RF 2,293 10.60% 좌우흔들림_RL 2,200 10.10% 위아래흔들림_UD 2,200 10.10% 렌즈이물질_LE 2,185 10.10% 먼지_DU 2,185 10.10% 스크래치_SC 2,082 9.60% 지문얼룩_FI 2,082 9.60% 좌측번짐_LB 2,079 9.60% 우측번짐_RB 2,079 9.60% 합계 21,678 100.00% ∘ Synthesis blur 분포
구분 구축량(집계) 비율(집계) 평균 블러_AV 108,390 10.00% 상자 블러_BO 108,390 10.00% 가우시안 블러_GA 108,390 10.00% 렌즈 블러_LS 108,390 10.00% 필드 블러_FD 108,390 10.00% 레디얼 블러_RA 108,390 10.00% 모양 블러_SH 108,390 10.00% 스마트 블러_SM 108,390 10.00% 아이리스 블러_IR 108,390 10.00% 틸트 블러_TI 108,390 10.00% 합계 1,083,900 100.00% ∘ 조도별 분포
구분 구축량(집계) 비율(집계) 밝은 조도(100Lux 이상) 783,624 70.20% 어두운 조도(10Lux 이하) 332,793 29.80% 합계 1,116,417 100.00% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 모델 학습
∘ 모델명 : Yolov5
∘ 항목명 : 객체 탐지
∘ 활용 AI 모델 설명 : 훼손된 카메라 렌즈(real blur)로 촬영된 영상에서 객체를 탐지하는 데이터셋을 구성
∘ 모델명 : Uformer
∘ 항목명 : 객체 검출 및 추적
∘ 활용 AI 모델 설명 : blur가 적용되지 않은 원본 이미지(GT)에 대해 Synthesis blur를 적용하여 기존의 데이터셋보다 방대한 규모의 데이터셋을 구성하여 디블러링 성능 향상이 가능한 데이터셋을 구축
2. 활용 서비스
∘ 재난현장 및 안전관리 현장에서 360도 영상을 실시간으로 촬영하면서 일부 폐색된 목표객체에 대한 검출 및 추적 기능 확보를 통하여 제품 및 작업 수행 효율 극대화 기대
∘ 재난현장에서 잔해물 사이에 있는 생존자 구조 등 해당 분야에 대한 활용 가능
∘ 본 과제를 통해 구축할 최초의 폐색 객체용 학습 데이터셋은 기존 개발된 다양한 state-of-the-art (SOTA) 인공지능 모델의 학습에 활용 가능함. 실제 환경에서 촬영된 객체 폐색 데이터셋을 이용하여 성능을 높일 수 있을 것으로 예상하며, 다양한 소비자 경험을 제공할 수 있을 것으로 기대됨. -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 바운딩박스 검출 성능 Object Detection YOLO v5 mAP 50 % 65.93 % 2 디블러링 성능 Reconstruction Restormer (Transformer-based model) PSNR 29 dB 29.09 dB 3 디블러링 성능 Reconstruction Restormer (Transformer-based model) SSIM 0.86 단위없음 0.94 단위없음
※ 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 다운로드1. 데이터 설명
∘ blur의 유형을 카메라 훼손으로 발생하는 Real blur 10종, GT Image에 대한 인위적인 합성으로 생성되는 Synthesis blur 10종으로 구분하여 데이터 수집리얼 블러(Real blur) # 구분 상세 1 전방포커스(FF) 카메라의 렌즈 초점이 피사체보다 가까운 거리에 위치하는 현상 2 후방포커스(RF) 카메라의 렌즈 초점이 피사체보다 먼 거리에 위치하는 현상 3 좌우흔들림(RL) 카메라 렌즈가 좌우로 흔들려 상이 흐려짐 4 위아래흔들림(UD) 카메라 렌즈가 위아래로 흔들려 상이 흐려짐 5 렌즈이물질(LE) 촬영 중인 카메라 렌즈에 이물질이 묻어 촬영데이터를 훼손 6 먼지(DU) 촬영 중인 카메라 렌즈에 먼지가 묻어 촬영데이터를 훼손 7 스크래치(SC) 카메라 렌즈에 스크래치가 발생하여 촬영데이터를 훼손 8 지문얼룩(FI) 카메라 렌즈에 지문 등의 얼룩이 묻어 촬영데이터를 훼손 9 좌측번짐(LB) 카메라 렌즈 좌측이 번져서 촬영데이터를 훼손 10 우측번짐(RB) 카메라 렌즈 우측이 번져서 촬영데이터를 훼손 ∘ Synthesis blur의 경우, 10종의 blur 적용 기법을 blur가 적용되는 픽셀 단계를 10단계를 설계하여 하나의 GT 이미지에서 100종(10 * 10)의 데이터를 확보
∘ GT 이미지를 포함하여 Real blur 및 Synthesis blur가 적용된 데이터의 라벨링 형태는 bounding box 가공을 진행
∘ 조도별 이미지 수집량을 구분하여 밝은 조도 70%, 어두운 조도 30%로 나누어서 수집
∘ 객체 유형별 16개 분류와 80종의 객체에 대한 데이터 수집
∘ 수집 시점을 high, eye, low로 나누어 수집합성 블러(Synthesis blur) # 구분 상세 1 평균 블러(AV) 이미지의 모든 색상을 고려하여 평균 색상으로 이미지를 덧입힘 2 상자 블러(BO) 객체 간의 인접한 픽셀 색상을 평균화 3 가우시안 블러(GA) 종 형태의 커브를 사용해 중앙의 가장 높은 지점을 기준으로 측면을 줄여 이미지를 흐리게함 4 렌즈 블러(LS) 사진의 피사계 심도 조절(어수선한 배경을 흐리게, 뭉개진 효과 강화 5 필드 블러(FD) 이미지상에 설정한 핀을 기준으로 기준점마다 등급별 블러를 설정 6 레디얼 블러(RA) 개체 주위로 원형 왜곡 발생 7 모양 블러(SH) 선택한 모양과 유사하게 블러를 형성 8 스마트 블러(SM) 이미지의 선명도를 유지하고 노이즈 제거 9 아이리스 블러(IR) 객체를 중심으로 조리개 형태로 주변을 왜곡 10 틸트 블러(TI) 중심에서의 거리를 기반으로 이미지를 왜곡 2. 데이터 포맷
∘ 원문 데이터 포맷 예시Real bur GT 위아래흔들림_UD 
Synthesis blur GT 가우시안 블러_GA_10단계 
3. JSON 형식
바운딩박스 JSON 예시
{
"Raw_Data_Info." : {
"Raw_Data_ID" : "D2_220401_IH01_E0001",
"Copyrighter" : "(주)미디어그룹사람과숲",
"Location" : "I",
"Lux_Level" : "10572",
“Object_ID” : “화분”
"Date" : "2022-04-01",
"Length" : "20",
"Resolution" : "1920, 1080",
"FPS": “30”,
“F-stop” : “F/8.0”,
"Exposure_Time" : "1/40",
"Angle" : "Eye",
"File_Extension" : "mp4"
},
"Source_Data_Info." : {
"Source_Data_ID" : "D2_220401_IH01_E0001_GT",
"Noise_type" : "GT",
"Synthesis_type" : "-",
"Center_coordinate" : "960, 540"
"File_Extension" : "jpg"
},
"Learning_Data_Info." : {
"Path" : "//D2-220401/",
"File_Extension" : "JSON",
"Json_Data_ID" : "D2_220401_IH01_E0001_GT",
"Annotations" : [
{
"Class_ID" : "Flowerpot“,
"Type" : "Bounding_box",
"Type_value" : [1,0, 903,574, 225,255, 369,471],
”Class_size“ : ”2345“
}
]
}
}4. 데이터 구성
Key Description Type Child Type Raw_Data_ID 원시 파일명 String Copyrighter 저작권 정보 String Location 실내 및 실외 String Lux_Level 밝기 정도 String Object_ID 객체_ID String Date 촬영일자(yyyy-mm-dd) String Length 영상길이 초(sec) String Resolution 해상도 String FPS FPS String F-Stop 조리개 수치 String Exposure_Time 노출시간 String Angle 촬영 각도 String File_Extension 원시 파일 확장자 String Source_Data_ID 원천 이미지 파일명 String Noise_type 노이즈 유형 String Synthesis_type 합성블러 유형 String Center_coordinate 중심좌표 String File_Extension 원천 이미지 확장자 String Path 학습데이터 폴더 경로 String File_Extension 학습데이터 파일 확장자 String Json_Data_ID Json 파일명 String Annotations - Json Array Json Object Class_ID 클래스 ID String Type 어노테이션 유형 String Type_value 좌표 Json Array Json Object Class_size 객체크기(pixel) String 5. 어노테이션 포맷
구분 항목명 타입 필수 설명 범위 여부 1 Raw_Data_Info. 1-1 Raw_Data_ID string Y 원시 파일명 "D2_220401_IH01_E0001" 1-2 Copyrighter string Y ㈜미디어그룹사람과숲 "㈜미디어그룹사람과숲" 1-3 Location string Y 실내 및 실외 "I", "O" 1-4 Lux_Level string Y 밝기 정도 "10572" 1-5 Object_ID string Y 객체_ID "화분"~"침대" 1-6 Date string Y 촬영일자 "2022-04-01" (yyyy-mm-dd) 1-7 Length string Y 영상길이 초(sec) "10" 1-8 Resolution string Y 해상도 "1920, 1080" 1-9 FPS string Y FPS "30" 1-10 F-Stop string Y 조리개 수치 "F1.8"~"F12" 1-11 Exposure_Time string Y 노출시간 "1/1043"~"1/40" 1-12 Angle string Y 촬영 각도 "Low"(로우앵글), "Eye"(아이앵글), "High"(하이앵글) 1-13 File_Extension string Y 원시 파일 확장자 "mp4" 2 Source_Data_Info. 2-1 Source_Data_ID string Y 이미지 파일명 "D2_220401_IH01_E0001_GT" 2-2 Noise_type string N 노이즈 유형 "GT", "FF"~"RB" 2-3 Synthesis_type string N 합성블러 유형 "AV10"~"TI10" 2-4 Center_coordinate string Y 중심좌표 "960, 540" 2-5 File_Extension string Y 이미지 확장자 "jpg" 3 Learning_Data_Info. 3-1 Path string Y Json 폴더 경로 "//I-210501/ " 3-2 File_Extension string Y Json "JSON" 3-3 Json_Data_ID string Y Json 파일명 "D2_220401_IH01_E0001_GT" 3-4 Annotations array Y 어노테이션 값 [] 3-5 Class_ID string Y Class ID "Flowerpot" 3-6 Type string Y 어노테이션 종류 "Bounding_box" 3-7 Type_value array Y [x,y, x,y, x,y, x,y] [1,0, 903,574, 225,255, 369,471] 3-8 Class_size string Y 객체크기(pixel) "2345" 6. 실제 예시
{
"Raw_Data_Info." : {
"Raw_Data_ID" : "D2_221010_IH80_E0001",
"Copyrighter" : "(주)미디어그룹사람과숲",
"Location" : "I",
"Lux_Level" : "350",
"Object_ID": "침대",
"Date" : "2022-10-10",
"Length" : "8",
"Resolution" : "1920, 1080",
"FPS": "30",
“F-stop” : “F/2.8,
"Exposure_Time" : "1/60",
"Angle" : "Eye",
"File_Extension" : "mp4"
},
"Source_Data_Info." : {
"Source_Data_ID" : "D2_221010_IH80_E0001_RB",
"Noise_type" : "RB",
"Synthesis_type" : "",
"Center_coordinate" : "1083, 514",
"File_Extension" : "jpg"
},
"Learning_Data_Info." : {
"Path" : "D2_221010_IH80_E0001/",
"File_Extension" : "JSON",
"Json_Data_ID" : "D2_221010_IH80_E0001_RB",
"Annotations" : [
{
"Class_ID" : "Bed",
"Type" : "Bounding_box",
"Type_value" : [617.7, 346.9, 1461.1, 346.9, 1461.1, 793.5, 617.7, 793.5],
"Class_size" : "376662.4"
},
],
}
-
데이터셋 구축 담당자
수행기관(주관) : ㈜미디어그룹사람과숲
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 박종범(사업총괄책임자-PM) 02-830-8583 jbpark@humanf.co.kr 사업총괄, AI 학습용 데이터 설계/구축 데이터 품질관리 수행기관(참여)
수행기관(참여) 기관명 담당업무 링크플로우(주) 데이터 수집 및 정제 ㈜크라우드웍스 AI 학습용 데이터 가공 고려대학교 산학협력단 AI 학습용 데이터 설계 / AI 학습 모델 개발 지티원(주) AI 학습용 데이터 품질관리 주식회사 써로마인드 AI 학습용 데이터 품질관리 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 박종범(사업총괄책임자-PM) 02-830-8583 jbpark@humanf.co.kr
-
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.