-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2024-10-30 데이터 최종 개방 1.0 2024-06-28 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-06-28 산출물 공개 Beta Version 소개
- C-Thrue, Hi-mod, NM GPR 장비를 활용하여 건축물, 교량, 옹벽, 터널 등 지상 콘크리트 시설물들의 GPR 이미지 데이터 301,080개 구축. 콘크리트 구조물 내부의 철근 및 표면의 크랙 신호들에 대하여 바운딩박스 라벨링 진행
구축목적
- 도로 지상 시설물의 GPR(Ground Penetrating Radar) 영상을 통한 내부 상태 정보 데이터 구축 및 양품, 불량품 구분을 위한 AI 모델 개발
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 이미지 데이터 형식 png 데이터 출처 자체 수집 라벨링 유형 바운딩박스 라벨링 형식 json 데이터 활용 서비스 도로 지상 시설물 GPR 정보를 활용한 유지보수, 안전관리 진단 서비스 데이터 구축년도/
데이터 구축량2023년/301,080건 -
- 데이터 구축 규모 : 전체 301,080장
데이터 구축 규모 시설물 옹벽 교량 터널 건축물 합계 수량 81,289 78,520 60,257 81,014 301,080 ※ 데이터 수집 시 건축물과 옹벽은 C-Thrue, 터널은 Hi-mod, 교량은 NM GPR 장비를 각각 사용하였음
- 데이터 분포
- 시설물별 양품·불량품 분포
데이터 분포 구분 불량 양품 합계 옹벽 23,296 57,993 81,289 교량 22,787 55,733 78,520 터널 8,384 51,873 60,257 건축 11,030 69,984 81,014 합계 65,497 235,583 301,080 - 클래스별 인스턴스 분포
클래스별 인스턴스 분포 구분 이상철근 정상철근 크랙 합계 옹벽 35,154 335,078 11,647 381,879 교량 46,931 292,215 5 339,151 터널 13,522 223,112 1,601 238,235 건축 24,307 373,527 2,952 400,786 합계 119,914 1,223,932 16,205 1,360,051 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 활용 모델
- 사용 모델 : EfficientDet
- 학습데이터 분포: 전체 데이터를 8:1:1로 분할하여 모델 학습 및 테스트 진행활용 모델 구분 Training Validattion Test 합계 수량 240,300 30,037 30,743 301,080 - 성능 평가 결과
모델 성능 테스트 결과 mAP@0.75IOU 지표에서 0.906의 성능을 보임
클래스별 AP 지표
클래스별 AP 지표 클래스 정상철근 이상철근 크랙 AP@0.75IOU 0.954 0.942 0.822 - 모델 활용 서비스
- 철근 콘크리트 시설물의 GPR 스캔 영상을 활용하여 구조물의 철근상태와 크랙 존재유무를 판별하여 시설물 안전관리에 활용
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
- 클래스 구성클래스 구성 ID 클래스 비고 0 정상철근 양품 1 철근이상 불량품 2 크랙 - 도·시별 지역코드 구성
도·시별 지역코드 구성 권역 도 및 광역시 지역 코드 수도권(01) 서울특별시(1) 11 인천광역시(2) 12 경기도(3) 13 충청권(02) 대전광역시(1) 21 충청북도(2) 22 충청남도(3) 23 전라권(03) 광주광역시(1) 31 전라북도(2) 32 전라남도(3) 33 경상권(04) 부산광역시(1) 41 대구광역시(2) 42 울산광역시(3) 43 경상북도(4) 44 경상남도(5) 45 기타(05) 강원도(1) 51 제주도(2) 52 - 어노테이션 포맷
어노테이션 포맷 No. 항목명 타입 필수 구분 항목설명 1 equipment object O GPR 장비 정보 2 type string O 장비 코드 3 signal type string O 신호 형태 4 frequency string O 중심주파수 6 distance interval string O 트레이스 취득간격 7 object object O 취득 구조물 8 type string O 구조물 종류 9 completed year string O 준공 연도 10 condition string O 상태 11 part string O 데이터 취득 세부 위치 12 rebar object O 철근 정보
(교량·건물·옹벽 데이터)13 depth string O 철근 깊이
(mm 단위로 표기)14 thick string O 철근 두께
(mm 단위로 표기)15 lining string X 라이닝 두께
(터널데이터,
cm 단위로 표기)16 acquisition environment object O 데이터 취득 환경 17 reproducibility string O 재현데이터 여부
(실제데이터: non, 부분재현: partial,
전체재현: full)18 date string O 데이터 취득 날짜 19 time string O 데이터 취득 시간 20 address number O 데이터 취득 장소 21 temperature string O 취득일 평균기온 22 humidity string O 취득일 상대습도 23 rainfall object O 강우정보 24 d-0 string O 탐사 당일 강우량 25 d-1 string O 탐사 1일 전 강우량 26 d-2 string O 탐사 2일 전 강우량 27 image object O 이미지 관련 정보 28 file name string O 이미지 파일명 29 path string O 이미지 상대경로 30 size object O 이미지 크기 31 width number O 너비 32 height number O 높이 33 annotations object O 어노테이션 정보 34 count number O 전체 바운딩박스 수량 35 boxes array O 박스데이터 어레이 36 class string O 클래스명 37 coordinates object O 바운딩박스 38 x number O 박스 중심 x 값 39 y number O 박스 중심 y 값 40 width number O 박스 너비 41 height number O 박스 높이 - 데이터 포맷
- 각 데이터는 이미지파일(PNG) 1개와 어노테이션파일(JSON) 1개로 구성
- 이미지 파일 규격이미지 파일 규격 형식 크기 비트수준 가로 세로 .png 512pixel 512pixel 8bit - 원천데이터, 라벨링데이터 예시
원천데이터, 라벨링데이터 예시 장비 원천데이터 라벨링데이터 c-thrue hi-mod nm gpr - 취득 장비별 라벨링 결과 예시
취득 장비별 라벨링 결과 예시 c-thrue NM GPR hi-mod - 실제 예시
{
"equipment": {
"type": "NM",
"signal type": "Coded Signal",
"frequency": "1.2GHz",
"distance interval": "0.0452m"
},
"object": {
"type": "bridge",
"completed year": "2005",
"part": "바닥면",
"condition": "bad",
"rebar": {
"depth": "113mm",
"thick": null
}
},
"acuqisition environment": {
"reproducibility": "partial",
"date": "2023-07-20",
"time": "11:32:58",
"address": "011",
"temperature": "28.2",
"humedity": "85%",
"rainfall": {
"d-0": "0mm",
"d-1": "0mm",
"d-2": "2.3mm"
}
},
"image": {
"filename": "NM_230720113258_109_96.55.123.144.png",
"path": "02. 교량/02. 불량",
"size": {
"width": 512,
"height": 512
}
},
"annotaions": {
"counts": 4,
"boxes": [
{
"class": 0,
"coordinates": {
"x": 67.0,
"y": 167.42105263157907,
"width": 133.1578947368423,
"height": 142.0
}
},
{
"class": 1,
"coordinates": {
"x": 166.1578947368423,
"y": 170.42105263157907,
"width": 146.0,
"height": 139.0
}
},
{
"class": 1,
"coordinates": {
"x": 274.15789473684254,
"y": 168.42105263157907,
"width": 136.0,
"height": 134.0
}
},
{
"class": 1,
"coordinates": {
"x": 382.15789473684254,
"y": 169.42105263157907,
"width": 152.0,
"height": 147.0
}
}
]
}
} -
데이터셋 구축 담당자
수행기관(주관) : 셀파이엔씨(주)
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 노명근 070-5222-9571 nmg1024@gmail.com 과제 총괄, 데이터 수집, 정제, 가공, 검수 수행기관(참여)
수행기관(참여) 기관명 담당업무 (주)동성엔지니어링 데이터 수집, 가공 (사)한국도로학회 AI모델 구현 및 성능평가 (주)피플인사이드 품질관리 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 노명근 070-5222-9571 nmg1024@gmail.com 이원재 070-5222-9566 lwjhaha77@naver.com AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 조동우 02-2678-6205 dongwoocho@gmail.com 박대욱 063-469-4876 dpark@kunsan.ac.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 노명근 070-5222-9571 nmg1024@gmail.com 최유진 070-5222-9542 youj1273@gmail.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] [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.