NEW 전술 판정 영상 데이터(핸드볼)
- 분야스포츠
- 유형 비디오 , 이미지
-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-01 데이터 최종 개방 1.0 2023-07-31 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-03-05 산출물 전체 공개 소개
종목별 프로 경기 영상 원시데이터 수집 후, 프레임별 선수 검출 및 추적 작업 등 정제작업을 통한 원천데이터 구축 원천데이터의 동영상 분석 및 이미지 분석 데이터 인플레이 영상 추출 후 데이터의 스탯이벤트, 전략전술 분석 등 학습모델 구축 라벨링 데이터 학습모델 설계 및 개발 완료 후 비식별화 작업 진행
구축목적
각 종목별 데이터셋 분석 및 학습모델 구축 완료를 통해 경기 영상 분석, 전술 분석 및 예측 기반 승률 분석 서비스 등 활용
-
메타데이터 구조표 데이터 영역 스포츠 데이터 유형 비디오 , 이미지 데이터 형식 mp4, jpg, json 데이터 출처 자체수집 라벨링 유형 이미지, 동영상 라벨링 형식 json 데이터 활용 서비스 비대면 교육, 프로 구단의 전략분석가, 방송 영상 송출 서비스 사업자, 스포츠 분야 응용서비스 데이터 구축년도/
데이터 구축량2022년/핸드볼(39,490) -
1. 데이터 구축 규모
데이터는 K리그 300경기 / 여자프로농구 270경기 / 핸드볼 150경기 / 직접촬영 프로축구 30경기 / 대학남자농구 30경기
구분 세부내용 데이터셋명 동영상분석(핸드볼) 150경기(3종) 초당 5프레임 이미지분석(핸드볼) 38,890 건(1종) 학습모델 전술상황분류(Accuracy) 60%이상 팀 스탯분류(Accuracy) 60%이상 바운딩박스선수인식(F1-score) 85%이상 2. 데이터 분포
다양성 통계 – 인공지능 학습용 데이터의 주요 특성을 통계적 방법으로 분석
충분성, 균등성, 편향성 여부 확인구분 분포 기준 비고 다양성
(통계)동작 시연자
성별 분포구성비 구분 비율 국내 비걸의 상대적으로 적은 활동비율을 고려하여 최소 참여율 충족 목표로 진행
여성 시연자 중 절반가량은 숙련도 6년 이상의 프로 B-Girl로 구성여성 11.76 남성 88.24 합계 100 동작 시연자
연령분포구성비 구분 비율 연령별 다양성을 확보하기 위하여 10대, 20대, 30대의 다양한 연령 시연자 분포 10대 0.8 20대 56.8 30대 42.4 합계 100 구분 분포 기준 비고 116. 핸드볼 다양성(통계) 개인 스탯 분류 분포 구성비 개인 스탯 종류 Ball In 화면에 표시되는 여부 고려하여 분포 확인 Ball Out Time Out Line Out Foul 전술 상황 분류 분포 구성비 공격 전술 크로스 팀특성 등 전술별 쏠림 현상 고려하여 분포 스크린 투포(윙 침투 포함) 미들포 페인팅 어시스트 건너뛰기 패스 엠티골 시작 패시브 경고 선언 시작 속공시도 수비 전술 9m 내 수비 인원(0~9) 심판 판정 분류 분포 구성비 심판 판정 종류 파울 (타임스탑 X) 심판판정별 쏠림 현상 고려하여 분포 확인 일반파울 옐로카드 2분퇴장 파울 (타임스탑 O) 블루카드 레드카드 장소 분포 구성비 경기장/날씨/온도
분포 확인 필요다양성 요건 – 인공지능 학습용 데이터의 주요 학습요건 충족을 통계적 방법으로 검사
충분성, 균등성, 편향성 여부 확인
EX)구분 분포 기준 비고 다양성(요건) 동작 클래스 구성비 중첩률 구성 수량 (클립) 네 가지 클래스에서 대표 동작, 각 20개. 컴비네이션은 다양한 동작들을 선정하여 연결한 구성으로 5개 선정.
구축된 클래스별 수량은 표기된 바와 같음탑락 5,654 다운락 3,496 파워무브 2,453 프리즈 2,543 컴비네이션 850 동작 fps 분포 구성비 중첩률 구성 수량 (클립) 가장 보편적인 빠르기의 동작은 60fps로 12,239 클립 구축
가장 빠른 동작의 난이도가 높은 동작들은 120fps로 2,759 클립 구축120fps 2,759 60fps 12,239 숙련도 분포 구성비 중첩률 구성 구성비 (%) 초,중,고급 숙련도의 시연자를 각각 19.61%, 21.57%, 58.82%인 약 1:1:3의 비율로 구축 초급 19.61 중급 21.57 고급 58.82 합계 102 구분 분포 기준 비고 116. 핸드볼 다양성(요건) 팀별 분포 구성비 중첩률 구성비 중첩률 50% 다양성을 충족할 경기영상을 확보하기위한 시간적 공간적 현실에 맞게 설정, 조정 가능 목표 구성비 광주도시공사 7.33% 컬러풀대구 7.33% 인천시청 8.67% SK슈가글라이더즈 8.00% 삼척시청 8.33% 경남개발공사 7.67% 서울시청 7.00% 부산시설공단 6.34% 충남도청 6.00% 상무피닉스 6.00% SK호크스 7.00% 두산 7.33% 인천도시공사 7.00% 하남시청 6.00% 리그 영상 분포 구성비 중첩률 구성비 중첩률 50% 다양성을 충족할 경기영상을 확보하기 위한 시간적 공간적 현실에 맞게 설정, 조정 가능 목표 구성비 19-20시즌 8.67% 20-21시즌 72.00% 21-22시즌 19.33% -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드1. 학습 모델 후보
■ 임무 정의
✓ 동작 분류 (motion recognition)
✓ 동작 유사도 측정 (motion similarity measure)학습 모델 후보 알고리즘 성능지표 선정 여부 선정 사유 동작 분류 모델 PoseC3D top-3 accuracy 85% 이상 ○ 1순위 동작 유사도 측정 모델 BPE model auroc 60% 이상 ○ 1순위 구분 고려사항 설명 1 적합성 브레이킹 동작 데이터를 학습하기에 적합한 모델인가? 2 실현 가능성 해당 모델을 구현하고 있는 믿을 만한 open-source가 존재하는가? 3 최신성 해당 분야의 최신 SOTA 모델인가? 4 선정 절차 1) 선정기준에 적합한 후보 리스트 업 2) 1 cycle 데이터를 이용하여 학습모델 개발 3) 성능 평가 4) 최적 학습모델 선정 2. 학습 모델 개발
■ 동작 분류 모델
- (개발 목표) 다양한 수준의 시연자들에 의해 생성된 전문 동작 데이터를 학습하고, 이를 기반으로 음성 대상 동작을 분류- (개발 내용) 구축되는 학습데이터를 사용하여 PoseC3D 모델을 학습하고, 학습된 모델을 사용하여 동작분류 시행■ 동작 유사도 측정 모델
- (개발 목표) 다양한 수준의 시연자들에 의해 생성된 전문 동작 데이터 쌍 (pair)에 대해, 동작 유사도 측정- (개발 내용) 구축되는 학습데이터에 BPE model을 적용하여 유사도 값 확인 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 전술 상황 분류 Classification R3D Accuracy 60 % 0.7049 % 2 팀 스탯 분류 Classification R3D Accuracy 60 % 0.694599999999999 % 3 바운딩박스 객체 인식 Object Detection YOLO v5 F1-Score 0.7 점 0.887699999999999 점
※ 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 포맷
구분 데이터 포맷 동작 영상 데이터 포맷 ***.mp4 2D, 3D keypoint 포맷 ***.csv 동작 및 시연 정보 메타데이터 포맷 ***.json - 데이터 셋은 한 클립의 동작 영상당, 1) 8개의 2D 키포인트 데이터 2) 1개의 3D 키포인트 데이터 3) 1개의 JSON 데이터(메타데이터)로 구성됨
1) 동작 영상 데이터 포맷 : mp4
mp4 예시
2) 2D keypoint 포맷 : csv
2D keypoint 예시
3) 3D keypoint 포맷 : csv3D keypoint 예시
4) 동작 및 시연정보 메타데이터 포맷
동작 및 시연 정보 메타데이터 포맷
2. 어노테이션 포맷
구분 속성명 데이터 타입 필수 설명 작성예시 여부 1 fps number Y frame rate “120” 2 annotations {} object Y 어노테이션 2-1 start_frame number Y 동작 시작 프레임 “149” 2-2 end_frame number Y 동작 끝 프레임 “1326” 2-3 start_time number Y 동작 시작 시간 “1.1333333” 2-4 end_time number Y 동작 끝 시간 “10.033333” 2-5 category_1 String Y 분류 체계 1 “freeze” 2-6 category_2 String Y 분류 체계 2 “베이비프리즈” 3 actor {} object Y 동작 시연자 정보 3-1 level String Y 시연자의 숙련도 “고급” 3-2 gender String Y 시연자의 성별 “여성” 3-3 age number Y 시연자의 나이 “36” -
데이터셋 구축 담당자
수행기관(주관) : ㈜플랜인피닛
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 유창선 02-2038-9911 david@planinfinit.com 사업 총괄 PM 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜딥네츄럴 AI 데이터 구축용 저작도구 개발, AI 학습 데이터 가공 및 검증, 데이터 품질관리 ㈜리티브 데이터 전처리, 데이터 저작도구 개발, 데이터 검수 도구 개발 ㈜엠코코아 AI 모델 응용서비스 개발, 응용서비스를 통한 학습데이터 및 AI 모델 검증 ㈜인테그랩 데이터 전처리, 데이터 저작도구 개발 초록소프트㈜ 인공지능 모델 개발, 학습모델 품질관리, 학습모델 가이드라인 제공 캣벨컴퍼니㈜ 데이터 저작도구 개발, 데이터 검수 도구 개발, 데이터 저작/검수 도구의 매뉴얼 제작 및 작업자 교육 한국외국어대학교 연구산학협력단 컨소시엄 데이터 확보 및 정제, 응용서비스 개발 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 유창선 02-2038-9911 david@planinfinit.com
-
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.