-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2024-04-19 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-05-03 저작도구 설명서 수정 2024-04-29 산출물 전체 공개 소개
자율주행 고도화를 위한 C-ITS 지능형 인프라용 학습 데이터셋 으로 가로등, 신호등, 스마트폴 등 도로 인프라에 설치된 센서를 이용하여 관심 대상 동적 객체(차량, 사람, 이륜차 등)의 정확한 위치와 동선을 추적하기 위한 지능형 인프라 기반 3차원 객체 인식 데이터
구축목적
자율주행 고도화를 위한 C-ITS 지능형 인프라용 학습 데이터셋으로 가로등, 신호등, 스마트폴 등 도로 인프라에 설치된 센서를 이용하여 관심 대상 동적 객체(차량, 사람, 이륜차 등)의 정확한 위치와 동선을 추적하기 위함
-
메타데이터 구조표 데이터 영역 교통물류 데이터 유형 센서 , 3D 데이터 형식 pcd, json 데이터 출처 직접 취득 라벨링 유형 바운딩박스 라벨링 형식 JSON 데이터 활용 서비스 데이터 구축년도/
데이터 구축량2022년/168,720 -
○ 데이터 구축 규모
데이터 종류 데이터 형태 원천데이터 규모 어노테이션 규모 비고 지능형인프라 센서 인식 데이터 포인트 클라우드 168,720 168,720 이미지 168,720 캘리브레이션 16,872 ○ 데이터 분포
- 월별 분포구분 10월 11월 12월 계 수량 78,820 56,160 33,740 168,720 비율 46.72% 33.29% 20.00% 100% - 시간대별 분포
구분 오전 오후 밤 심야/새벽 기타 계 수량 61,130 28,180 7,010 7,410 64,990 168,720 비율 16.70% 36.23% 4.15% 4.39% 38.52% 100% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드○ 모델학습
1. DeepFusionMOT(IROS 2022)
- 데이터셋의 각 시퀀스(Sequence)마다 프레임(Frame)별로 2D Detector모델은 카메라 이미지 객체를 탐지하여 객체별로 boundinb box 좌표를 기록하고, 3D Object Detection 모델은 LiDAR 정보를 토대로 객체의 Cuboid 좌표를 Text파일로 기록하여 각각 입력으로 받음
- 2D Detector의 카메라 기반 객체 탐지 정보와 3D Detector의 LiDAR 기반 객체 탐지 정보를 각각 입력받아 결합하여 실시간 궤적 예측 알고리즘을 통해 Multi Object Tracking을 수행하는 모델
- 2D Detector의 입력 값은 Frame, Type, Bonding Box 좌표값(4개), Score로 구성돼있고 3D Detector는 2D Detector의 정보 외에 Cuboid 좌표값(h, w, l, x, y, z, yaw), Alpha 값을 가짐2. 2D Detection : YOLOv5
- YOLO는 1-Stage Detection 모델로 proposal과 classification이 동시에 이루어져 비교적 높은 정확도에 매우 빠른 연산 가능으로 real-time object detection에 유리하다는 장점
- v4와 비교하여 비슷한 성능, 낮은 용량, 빠른 속도를 보여주고 이전 버전과 다르게 PyTorch 기반으로 구성3. 3D Detection : PointRCNN
- 2-stage detector로 stage-1에서는 bottom-up 3D proposal generation을 수행하고, stage-2에서는 region proposal을 canonical coordinate로 바꾼 후 정제작업을 수행하여 네트워크가 local spatial feature를 더 잘 학습할 수 있도록 함.
- 2-stage 구조로 3d 앵커 기반 proposal 생성 방식보다 높은 검출 성능을 확보
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드No 항목 Type Child Type 필수 여부 비고 1 데이터셋 정보 1-1 객체 정보 Object Y 1-2 객체 속성 obj_attr String Y 1-3 객체 ID obj_id String Y 1-4 객체 클래스 obj_type String Y 1-5 어노테이션 정보 psr Obejct Y 1-5-1 위치 position Number Float Y 1-5-2 방향 rotation Number Float Y 1-5-3 크기 scale Number Float Y ○ JSON 구조
[
{
"obj_attr": 객체 속성,
"obj_id": 객체 id,
"obj_type": 객체 클래스,
"psr": { 어노테이션 정보
"position": {
"x": x축 위치
"y": y축 위치,
"z": z축 위치
},
"rotation": {
"x": x축 방향,
"y": y축 방향,
"z": z축 방향
},
"scale": {
"x": x축 크기,
"y": y축 크기,
"z": z축 크기
}
}
},○ JSON 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : ㈜미디어그룹사람과숲
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 조용인 02-830-8583 abcdy@humanf.co.kr AI 학습용 데이터 설계/구축, 데이터 가공, 품질관리 수행기관(참여)
수행기관(참여) 기관명 담당업무 모빌테크 데이터 수집, 데이터 정제 에이아이빌 데이터 가공, AI모델 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 조용인 02-830-8583 abcdy@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.