-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.2 2024-12-04 서브라벨링 추가 개방 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
- 무인 플랜트의 이상 상황(사고, 침입, 화재 등)을 자동 감지 및 검출을 통해 안전 운영을 위한 통합 관제 데이터
구축목적
- 무인 플랜드 관제상황에서의 이상 상황(침입, 설비사고, 화재 등)을 자동 감지 및 검출을 통해 경제적 손실 비용 절감, 산업재해 감소 등의 효과 기대
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 비디오 , 이미지 데이터 형식 mp4, png 데이터 출처 자체 수집 라벨링 유형 세그멘테이션(이미지), 바운딩박스(이미지) 라벨링 형식 json 데이터 활용 서비스 침입탐지 감시 서비스, 설비사고 탐지 서비스, 자동 설비사고 예측 서비스, 화재감시 서비스 데이터 구축년도/
데이터 구축량2023년/420,000개 -
- 데이터 통계
○ 데이터 구축 규모데이터 구축 규모 데이터 명 무인 플랜트 안전 감시를 위한 데이터 데이터 포맷 원천데이터 유형 파일포맷 어노테이션 규모 실화상 영상 mp4 13,400개 20,000개 열화상 영상 mp4 6,600개 실화상 이미지 png 268,000장 400,000장 열화상 이미지 png 132,000장 라벨링데이터 실화상 영상 메타정보 json 13,400개 20,000개 열화상 영상 메타정보 json 6,600개 실화상 이미지 메타정보 json 268,000개 400,000개 열화상 이미지 메타정보 json 132,000개 서브 라벨링데이터 이미지캡션 메타정보 json 10,000개 10,000개 ○ 데이터 분포
데이터 분포 데이터명 1차 분류 2차 분류 3차 분류 데이터 수량
(CCTV)데이터 수량
(이미지)비율
(%)무인 플랜트 안전 감시를 위한 데이터 침입탐지
(10,000)미침입 2,000 40,000 10 외곽 침입 배회 1,600 32,000 8 보호영역 침입
(3,200)펜스 월장 1,600 32,000 8 펜스 훼손 1,600 32,000 8 핵심영역 침입
(3,200)시설물 촬영 1,600 32,000 8 시설물 훼손 1,600 32,000 8 설비사고
(8,000)누출
(2,700)정상 900 18,000 4.5 가스누출 900 18,000 4.5 기름누출 900 18,000 4.5 파손
(3,400)정상 800 16,000 4 깨짐 400 8,000 2 흠집 800 16,000 4 뒤틀림 200 4,000 1 부품마모 400 8,000 2 부식 800 16,000 4 장비과열
(900)정상 600 12,000 3 과열 300 6,000 1.5 보호장비
(1,000)착용 500 10,000 2.5 미착용 500 10,000 2.5 화재감시
(20,000)일반 소재 화재 1,000 20,000 5 유류 소재 화재 1,000 20,000 5 총계 20,000 400,000 100 이미지 캡션 10,000개 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 활용 모델-1
● 모델학습-1 [행동인식]
CNN-LSTM은 비디오 클립을 구성하는 이미지들 학습을 위해 CNN 블록을 통해 단일 이미지에 대한 latent vector로 변환한다. latent vector의 시퀸스는 LSTM 블록을 통과하면서 시퀸스의 특징을 학습한다. 행동인식을 위해 검증용 행동영상과 시험용 행동영상을 전체 영상의 10%로 제시한다.모델학습-1 [행동인식] 구분 학습(Train) 검증(validation) 시험(Test) 개요 • CNN-LSTM에 충분학습
• GPU 사용• 학습 도중 모델 성과 평가 및 비교
• Accurary 점수 등• 모델 학습 완료 후
• 모델 테스트필요 데이터 행동 동영상 10,000개 이상 10% 10% CNN-LSTM 행동분류 모델 개발 단계
CNN-LSTM 행동분류 모델 학습과정
● 서비스 활용 시나리오-1 [행동인식]
• 구축한 모델은 인공지능 CCTV에 탑재하여 보행자 행동인식에 사용할수 있음
• 인공지능 CCTV
- 데이터를 생성 및 학습하여 보행자의 행동을 분류, 위급상황을 조기에 파악할 수 있음
- 인간의 눈으로 확인이 불가능한 지역에서도 카메라를 통해 그 상태를 파악할 수 있음- 활용 모델-2
● 모델학습-2 [객체인식]
Yolov8은 최첨단 실시간 객체 탐지 시스템이다. 입력된 이미지를 일정 분할로 그리드한 다음, 신경망을 통과하여 바운딩박스와 클래스 예측을 생성하여 최종 감지 출력을 결정한다. 객체탐지를 위해 검증용 이미지와 테스트 이미지를 전체 이미지의 10%로 제시한다.데이터 통계 구분 학습(Train) 검증(validation) 시험(Test) 개요 Yolov8에 충분학습
GPU 사용학습 도중 모델 성과 평가 및 비교
mAP@0.5 점수 등모델 학습 완료 후
모델 테스트필요 데이터 객체 이미지 160,000개 10% 10% Yolov8 객체 탐지 모델 개발 단계
Yolov8 객체탐지 모델 학습과정
● 서비스 활용 시나리오-1 [객체인식]
• 구축한 모델은 인공지능 CCTV 및 다양한 카메라에 탑재하여 객체탐지에 사용이 가능함
• 인공지능 CCTV 및 카메라
- 각종 CCTV에 AI 객체탐지 기술을 탑재하여 불법 주정차 탐지, 공장 내 위험요소 탐지, 어린이 보호구역 탐지등 여러분야에서 위험요소 탐지에 활용이 가능하다.
- 얼굴인식을 통해 실종자 찾기, 범죄자 추적, 보안강화 등의 서비스에 활용이
가능하다. -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성 및 어노테이션 포맷
1. 침입탐지 동영상 데이터침입탐지 동영상 데이터 분류 속성명 속성설명 타입 필수여부 범위 메타 정보
(meta_information)category 데이터 유형 string Y intrusion event 객체의 행동 sting Y normal, climb-over-fence, damage-to-fence, damage-to-facilities, photography-of-facilities, wandering-zone mode CCTV의 화상 종류 string Y rgb, thermal shoot_time 촬영 시간 string Y day, night weather 날씨 string Y sunny, cloudy, rainy, inside environment 수집 환경 string Y indoor, outdoor, outskirts, protected-area, vital-area camera_id CCTV 구분 ID string Y cctv1, cctv2, cctv3, cctv4, cctv5, cctv6, cctv7, cctv8 resolution 동영상 해상도 string Y fhd, vga width 동영상 가로크기 number Y 1920, 640 height 동영상 세로크기 number Y 1080, 480 file_name 파일명 string Y 예) intrusion_normal_rgb_0001_cctv1.mp4 객체 정보
(object_information)type_of_object 객체의 유형 string Y human id 객체의 Unit ID string Y h0001 ~ h000n gender 객체의 성별 string Y male, female tall 객체의 신장 number Y 0 ~ 200 age 객체의 나이 number Y 0 ~ 100 clothes 의복 조건 array Y long-sleeved, long-pants, short-sleeved, short-pants, etc accessories 악세사리 array Y none, cap, mask, covering-mask, cutter, hammer, camera, bag 2. 침입탐지 이미지 데이터
침입탐지 이미지 데이터 분류 속성명 속성설명 타입 필수여부 범위 메타 정보
(meta_information)category 데이터 유형 string Y intrusion event 객체의 행동 sting Y normal, climb-over-fence, damage-to-fence, damage-to-facilities, photography-of-facilities, wandering-zone mode CCTV의 화상 종류 string Y rgb, thermal shoot_time 촬영 시간 string Y day, night weather 날씨 string Y sunny, cloudy, rainy, inside environment 수집 환경 string Y indoor, outdoor, outskirts, protected-area, vital-area camera_id CCTV 구분 ID string Y cctv1, cctv2, cctv3, cctv4, cctv5, cctv6, cctv7, cctv8 resolution 동영상 해상도 string Y fhd, vga width 동영상 가로크기 number Y 1920, 640 height 동영상 세로크기 number Y 1080, 480 file_name 파일명 string Y 예) 예) intrusion_normal_rgb_0001_cctv1_01.png 객체 정보
(object_information)type_of_object 객체의 유형 string Y human id 객체의 Unit ID string Y h0001 ~ h000n gender 객체의 성별 string Y male, female tall 객체의 신장 number Y 0 ~ 200 age 객체의 나이 number Y 0 ~ 100 clothes 의복 조건 array Y long-sleeved, long-pants, short-sleeved, short-pants, etc accessories 악세사리 array Y none, cap, mask, covering-mask, cutter, hammer, camera, bag 라벨링 데이터
(annotations)id 객체의 Unit ID string Y h0001 ~ h000n segmentation 폴리곤
라벨링 좌표값array N 예) 230,142,182,157,135,153… bbox 바운딩박스
라벨링 좌표값array N 예) 230,142,182,157 3. 설비사고 동영상 데이터
설비사고 동영상 데이터 분류 속성명 속성설명 타입 필수여부 범위 메타 정보
(meta_information)category 데이터 유형 string Y facility-accident event 객체의 행동 sting Y normal-leak, gas-leak, oil-leak, normal-damage, fracture, scratch, distortion, abrasion, rust, normal-over-heat, over-heat, protective-device-wear, protective-device-not-worn mode CCTV의 화상 종류 string Y rgb, thermal shoot_time 촬영 시간 string Y day, night weather 날씨 string Y sunny, cloudy, rainy, inside environment 수집 환경 string Y indoor, outdoor camera_id CCTV 구분 ID string Y cctv1, cctv2, cctv3, cctv4, cctv5, cctv6, cctv7, cctv8 resolution 동영상 해상도 string Y fhd, vga width 동영상 가로크기 number Y 1920, 640 height 동영상 세로크기 number Y 1080, 480 file_name 파일명 string Y 예) facility-accident_gas-leak_rgb_0001_cctv3.mp4 객체 정보
(object_information)gas type_of_object 객체의 유형 string N gas id 객체의 Unit ID string N g0001 gas-color 가스의 색깔 string N white, gray, yellow, orange, brown, none oil type_of_object 객체의 유형 string N gas id 객체의 Unit ID string N o0001 oil-color 기름의 색깔 string N black, none fracture type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N e0001, e0002, e0003...e00nn scratch type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N c0001, c0002, c0003...c00nn distortion type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N d0001, d0002, d0003...d00nn abrasion type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N a0001, a0002, a0003...a00nn rust type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N r0001, r0002, r0003...r00nn over-heat type_of_object 객체의 유형 string N over-heat, none-heat id 객체의 Unit ID string N t0001 facility type_of_object 객체의 유형 string N facility id 객체의 Unit ID string N m0001 item 원인장비 string N pipe, turbine, duct, joint, valve, fan, pump helmet type_of_object 객체의 유형 string N protective-device id 객체의 Unit ID string N p0001 item 보호장비 string N safety-helmet, none-helmet mask type_of_object 객체의 유형 string N protective-device id 객체의 Unit ID string N p0002 item 보호장비 string N safety-mask, none-mask vest type_of_object 객체의 유형 string N protective-device id 객체의 Unit ID string N p0003 item 보호장비 string N safety-vest, none-vest 4. 설비사고 이미지 데이터
설비사고 이미지 데이터 분류 속성명 속성설명 타입 필수여부 예시 메타 정보
(meta_information)category 데이터 유형 string Y facility-accident event 객체의 행동 sting Y normal-leak, gas-leak, oil-leak, normal-damage, fracture, scratch, distortion, abrasion, rust, normal-over-heat, over-heat, protective-device-wear, protective-device-not-worn mode CCTV의 화상 종류 string Y rgb, thermal shoot_time 촬영 시간 string Y day, night weather 날씨 string Y sunny, cloudy, rainy, inside environment 수집 환경 string Y indoor, outdoor camera_id CCTV 구분 ID string Y cctv1, cctv2, cctv3, cctv4, cctv5, cctv6, cctv7, cctv8 resolution 동영상 해상도 string Y fhd, vga width 동영상 가로크기 number Y 1920, 640 height 동영상 세로크기 number Y 1080, 480 file_name 파일명 string Y 예) facility-accident_gas-leak_rgb_0001_cctv3_01.png 객체 정보
(object_information)gas type_of_object 객체의 유형 string N gas id 객체의 Unit ID string N g0001 gas-color 가스의 색깔 string N white, gray, yellow, orange, brown, none oil type_of_object 객체의 유형 string N gas id 객체의 Unit ID string N o0001 oil-color 기름의 색깔 string N black, none fracture type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N e0001, e0002, e0003...e00nn scratch type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N c0001, c0002, c0003...c00nn distortion type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N d0001, d0002, d0003...d00nn abrasion type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N a0001, a0002, a0003...a00nn rust type_of_object 객체의 유형 string N damage id 객체의 Unit ID string N r0001, r0002, r0003...r00nn over-heat type_of_object 객체의 유형 string N over-heat, none-heat id 객체의 Unit ID string N t0001 facility type_of_object 객체의 유형 string N facility id 객체의 Unit ID string N m0001 item 원인장비 string N pipe, turbine, duct, joint, valve, fan, pump helmet type_of_object 객체의 유형 string N protective-device id 객체의 Unit ID string N p0001 item 보호장비 string N safety-helmet, none-helmet mask type_of_object 객체의 유형 string N protective-device id 객체의 Unit ID string N p0002 item 보호장비 string N safety-mask, none-mask vest type_of_object 객체의 유형 string N protective-device id 객체의 Unit ID string N p0003 item 보호장비 string N safety-vest, none-vest 라벨링 데이터
(annotations)id 객체의 Unit ID string Y g0001, o0001, e00nn, c00nn, d00nn, a00nn, r00nn, t0001, m0001, p000n segmentation 폴리곤
라벨링 좌표값array N 예) 230,142,182,157,135,153… bbox 바운딩박스
라벨링 좌표값array N 예) 230,142,182,157 5. 화재 동영상 데이터
화재 동영상 데이터 분류 속성명 속성설명 타입 필수여부 범위 메타 정보
(meta_information)category 데이터 유형 string Y fire event 객체의 행동 sting Y general-fire, oil-fire mode CCTV의 화상 종류 string Y rgb, thermal shoot_time 촬영 시간 string Y day, night weather 날씨 string Y sunny, cloudy, rainy, inside environment 수집 환경 string Y indoor, outdoor camera_id CCTV 구분 ID string Y cctv1, cctv2, cctv3, cctv4, cctv5, cctv6, cctv7, cctv8 resolution 동영상 해상도 string Y fhd, vga width 동영상 가로크기 number Y 1920, 640 height 동영상 세로크기 number Y 1080, 480 file_name 파일명 string Y 예) fire_general-fire_thermal_0001_cctv5.mp4 객체 정보
(object_information)fire type_of_object 객체의 유형 string Y fire id 객체의 Unit ID string Y f0001 fire_resource 소재 string Y wood, fabric, paper, cigarette, electronic, gasoline, diesel, lubricant smoke type_of_object 객체의 유형 string N smoke id 객체의 Unit ID string N s0001 smoke_color 연기의 색깔 string N white, gray, dark-gray, black 6. 화재 이미지 데이터
화재 이미지 데이터 분류 속성명 속성설명 타입 필수여부 범위 메타 정보
(meta_information)category 데이터 유형 string Y fire event 객체의 행동 sting Y general-fire, oil-fire mode CCTV의 화상 종류 string Y rgb, thermal shoot_time 촬영 시간 string Y day, night weather 날씨 string Y sunny, cloudy, rainy, inside environment 수집 환경 string Y indoor, outdoor camera_id CCTV 구분 ID string Y cctv1, cctv2, cctv3, cctv4, cctv5, cctv6, cctv7, cctv8 resolution 동영상 해상도 string Y fhd, vga width 동영상 가로크기 number Y 1920, 640 height 동영상 세로크기 number Y 1080, 480 file_name 파일명 string Y 예) fire_general-fire_thermal_0001_cctv5_01.png 객체 정보
(object_information)fire type_of_object 객체의 유형 string Y fire id 객체의 Unit ID string Y f0001 fire_resource 소재 string Y wood, fabric, paper, cigarette, electronic, gasoline, diesel, lubricant smoke type_of_object 객체의 유형 string N smoke id 객체의 Unit ID string N s0001 smoke_color 연기의 색깔 string N white, gray, dark-gray, black 라벨링 데이터
(annotations)id 객체의 Unit ID string Y f0001, s0001 segmentation 폴리곤
라벨링 좌표값array Y 예) 230,142,182,157,135,153… bbox 바운딩박스
라벨링 좌표값array N 예) 230,142,182,157 - 데이터 포맷
데이터 포맷 구분 유형 파일포맷 원천데이터 실화상 영상 mp4 열화상 영상 mp4 실화상 이미지 png 열화상 이미지 png 라벨링데이터 실화상 영상 메타정보 json 열화상 영상 메타정보 json 실화상 이미지 메타정보 json 열화상 이미지 메타정보 json 서브 라벨링데이터 이미지캡션 메타정보 json - 데이터 디렉토리 구조 (상위 → 하위)
데이터 통계 1 Depth 2 Depth 3 Depth 4 Depth 데이터 유형 행동,사고,소재 유형 CCTV의 화상 종류 촬영순서 intrusion normal rgb 0001 wandering-zone thermal 0002 climb-over-fence 0003 damage-to-fence … photography-of-facilities damage-to-facilities facility-accident normal-leak gas-leak oil-leak normal-damage fracture scratch distortion abrasion rust normal-over-heat over-heat protective-device-wear protective-device-not-worn fire general-fire oil-fire - 데이터 파일명 구조
: category_event_mode_No.cut_camera-id_No.image데이터 통계 category event mode No. camera_id No. 데이터 유형 행동,사고,소재 유형 CCTV의 화상 종류 촬영순서 CCTV 구분 ID 이미지 번호 intrusion normal rgb 0001 cctv1 1 wandering-zone thermal 0002 cctv2 2 climb-over-fence 0003 cctv3 3 damage-to-fence … cctv4 … photography-of-facilities cctv5 damage-to-facilities cctv6 facility-accident normal-leak cctv7 gas-leak cctv8 oil-leak normal-damage fracture scratch distortion abrasion rust normal-over-heat over-heat protective-device-wear protective-device-not-worn fire general-fire oil-fire - JSON 예시
1. intrusion_climb-over-fence_thermal_0375_cctv1_04.json
{
"meta_information": {
"category": "intrusion",
"event": "climb-over-fence",
"mode": "thermal",
"shoot_time": "day",
"weather": "sunny",
"environment": "protect-area",
"camera_id": "cctv1",
"resolution": "vga",
"width": 640,
"height": 480,
"file_name": "intrusion_climb-over-fence_thermal_0375_cctv1_04.png"
},
"object_information": {
"human": {
"type_of_object": "human",
"id": "h0001",
"gender": "male",
"tall": 175,
"age": 41,
"clothes": [
"long-sleeved",
"long-pants"
],
"accessories": [
"none"
]
}
},
"annotations": [
{
"id": "h0001",
"segmentation": [
61.33,
86.22,
64.89,
77.93,
71.41,
70.81,
80.3,
68.44,
88.59,
72.0,
96.89,
88.0,
99.85,
93.33,
105.19,
98.07,
110.52,
103.41,
112.89,
109.93,
116.8,
115.1,
122.96,
117.04,
127.11,
121.78,
129.48,
128.3,
130.07,
136.0,
130.67,
142.52,
129.48,
166.22,
130.67,
172.74,
135.0,
176.9,
137.7,
182.8,
139.1,
190.6,
135.7,
230.2,
129.48,
236.15,
115.85,
242.67,
110.52,
245.63,
102.81,
248.0,
95.7,
249.78,
88.0,
249.78,
80.89,
249.78,
74.37,
249.78,
73.78,
274.07,
76.74,
281.78,
78.52,
288.89,
83.26,
298.37,
86.81,
302.52,
89.19,
307.26,
87.41,
312.0,
82.67,
314.96,
76.74,
316.74,
71.41,
314.96,
68.44,
310.22,
65.6,
306.1,
63.3,
300.7,
60.6,
295.9,
57.19,
291.85,
54.9,
287.1,
51.4,
281.3,
46.6,
273.7,
39.41,
254.52,
38.22,
249.19,
38.81,
243.26,
39.41,
237.93,
42.37,
233.78,
49.48,
228.44,
53.63,
223.7,
67.85,
213.63,
70.81,
208.3,
70.81,
202.37,
70.81,
195.26,
70.81,
189.93,
69.04,
185.19,
65.48,
180.44,
62.29,
175.43,
59.2,
154.16,
56.8,
149.71,
53.72,
145.25,
52.69,
141.13,
51.85,
136.0,
51.66,
129.47,
52.35,
123.3,
53.38,
118.16,
53.38,
112.33,
54.06,
101.69,
57.78,
96.3
],
"bbox": []
}
]
}2. facility-accident_protective-device-wear_rgb_0108_cctv4_09.json
{
"meta_information": {
"category": "facility-accident",
"event": "protective-device-wear",
"mode": "rgb",
"shoot_time": "day",
"weather": "inside",
"environment": "indoor",
"camera_id": "cctv4",
"resolution": "fhd",
"width": 1920,
"height": 1080,
"file_name": "facility-accident_protective-device-wear_rgb_0108_cctv4_09.png"
},
"object_information": {
"helmet": {
"type_of_object": "protective-device",
"id": "p0001",
"item": "safety-helmet"
},
"mask": {
"type_of_object": "protective-device",
"id": "p0002",
"item": "safety-mask"
},
"vest": {
"type_of_object": "protective-device",
"id": "p0003",
"item": "safety-vest"
}
},
"annotations": [
{
"id": "p0002",
"segmentation": [
1128.51,
154.17,
1122.52,
153.09,
1118.02,
150.95,
1116.74,
152.24,
1117.38,
156.52,
1118.02,
161.88,
1119.95,
166.16,
1124.44,
170.01,
1128.3,
171.94,
1134.3,
172.15,
1138.58,
171.3,
1142.65,
168.51,
1145.86,
164.66,
1146.29,
155.02,
1142.22,
154.59,
1136.87,
155.66,
1132.58,
155.88
],
"bbox": []
},
{
"id": "p0001",
"segmentation": [
1116.92,
113.89,
1113.8,
118.14,
1111.25,
122.38,
1109.84,
129.46,
1109.27,
135.7,
1110.69,
140.23,
1112.1,
145.04,
1114.37,
150.99,
1117.48,
156.09,
1118.33,
162.89,
1120.6,
167.13,
1125.41,
170.82,
1129.09,
172.23,
1136.17,
172.23,
1139.57,
170.82,
1146.09,
164.87,
1146.94,
154.67,
1149.77,
150.71,
1151.75,
145.89,
1153.17,
134.28,
1151.75,
125.78,
1145.52,
116.44,
1139.57,
111.62,
1131.93,
108.79,
1126.55,
108.51,
1121.73,
110.49
],
"bbox": []
},
{
"id": "p0003",
"segmentation": [
1124.56,
185.26,
1122.3,
176.76,
1114.48,
166.82,
1115.78,
155.52,
1105.59,
157.5,
1094.26,
159.77,
1095.11,
168.83,
1095.11,
181.58,
1091.99,
191.49,
1091.43,
197.72,
1092.28,
207.92,
1094.54,
216.98,
1094.54,
224.63,
1093.98,
231.71,
1092.28,
235.39,
1091.43,
240.21,
1093.41,
243.32,
1092.28,
253.52,
1092.28,
258.33,
1095.39,
264.0,
1097.66,
268.81,
1103.04,
269.94,
1110.12,
271.64,
1116.07,
271.93,
1123.43,
271.36,
1128.53,
268.53,
1130.79,
264.85,
1133.63,
269.09,
1137.31,
271.93,
1144.39,
272.78,
1164.78,
272.21,
1170.72,
270.23,
1174.12,
269.66,
1175.82,
269.66,
1175.54,
253.23,
1175.54,
237.37,
1173.84,
222.08,
1170.16,
208.77,
1169.03,
197.16,
1169.31,
185.83,
1172.71,
166.28,
1175.82,
160.62,
1171.57,
158.35,
1150.9,
155.8,
1147.22,
165.43,
1141.55,
172.51,
1136.46,
177.9,
1130.79,
189.23,
1128.81,
196.87,
1129.09,
206.5,
1126.55,
190.36
],
"bbox": []
}
]
}
3. fire_general-fire_thermal_0050_cctv5_03.json
{
"meta_information": {
"mode": "thermal",
"environment": "outdoor",
"file_name": "fire_general-fire_thermal_0050_cctv5_03.png",
"weather": "sunny",
"camera_id": "cctv5",
"width": 640,
"shoot_time": "day",
"category": "fire",
"event": "general-fire",
"resolution": "vga",
"height": 480
},
"object_information": {
"fire": {
"type_of_object": "fire",
"id": "f0001",
"fire_resource": "paper"
}
},
"annotations": [
{
"id": "f0001",
"segmentation": [
135.48,
71.52,
133.84,
60.6,
132.75,
43.13,
137.66,
31.66,
146.4,
32.75,
153.5,
47.49,
163.33,
56.23,
169.89,
69.88,
172.62,
80.8,
169.89,
93.36,
174.8,
104.83,
191.19,
120.12,
195.01,
132.68,
198.84,
139.78,
200.47,
156.71,
199.93,
165.99,
190.1,
181.83,
189.55,
193.84,
194.47,
202.58,
210.31,
208.04,
231.06,
206.95,
251.27,
208.04,
269.29,
206.95,
273.12,
214.05,
288.95,
213.5,
295.51,
213.5,
294.96,
222.78,
305.89,
226.06,
304.79,
242.99,
307.52,
257.73,
311.89,
265.38,
312.44,
277.94,
309.16,
285.58,
305.34,
301.42,
305.89,
312.34,
299.88,
322.17,
294.96,
334.73,
290.05,
340.74,
286.77,
353.3,
267.65,
354.93,
266.56,
359.85,
251.81,
361.49,
241.98,
360.94,
239.25,
351.11,
207.03,
351.66,
198.84,
351.66,
192.28,
362.03,
162.79,
362.03,
156.78,
360.94,
150.23,
352.2,
143.13,
351.66,
134.39,
351.66,
132.2,
345.65,
124.01,
346.2,
112.54,
346.74,
108.72,
341.28,
103.8,
335.82,
102.16,
319.44,
102.71,
303.06,
103.8,
287.77,
103.26,
269.2,
102.71,
253.36,
103.8,
247.9,
110.9,
247.9,
109.81,
229.34,
113.63,
209.68,
105.44,
206.4,
102.16,
191.66,
102.71,
174.18,
103.8,
165.99,
111.45,
155.62,
110.9,
141.96,
114.18,
131.04,
114.18,
120.67,
109.26,
113.57,
109.81,
96.64,
111.45,
89.54,
115.27,
84.63,
124.56,
80.8
],
"bbox": []
}
]
} -
데이터셋 구축 담당자
수행기관(주관) : 프라코
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 홍원표 031-369-8518 wphong@plakor.co.kr 총괄/수집 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜이투온 수집/정제/가공/AI모델 ㈜휴먼아이 가공 고등기술연구원 검수 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김춘식 02-6279-1382 sik0115@e2on.com 경일구 02-516-1371 edteson@e2on.com AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 표성국 02-6279-1378 skpyo@e2on.com 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 윤기섭 02-532-4957 ksyoon@hictc.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.