-
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
- 스마트 제조 시설 내의 이상 상황(사고, 침입, 화재 등)을 자동 감지 및 검출을 통해 안전 운영을 위한 통합 관제 데이터 구축
구축목적
- 스마트 제조시설 내의 이상 상황(침입, 사고, 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 직접 수집 라벨링 유형 세그멘테이션(이미지), 바운딩박스(이미지) 라벨링 형식 JSON 데이터 활용 서비스 인명사고 안전감시 서비스, 서베일런스 서비스, 화재감시 서비스 데이터 구축년도/
데이터 구축량2023년/420,000개 -
- 데이터 구축 규모
• 일반 CCTV, 열화상 CCTV 영상 20,000개
• 영상에서 추출된 이미지 400,000장
• 라벨링 데이터 420,000개
• 이미지캡션 10,020개- 데이터 분포
데이터 분포 데이터명 1차 분류 2차 분류 3차 분류 데이터 수량(CCTV) 데이터 수량(이미지) 비율(%) 스마트 제조시설
안전 감시를 위한 데이터침입탐지
(10,000)미침입 1,000 20,000 5 외곽 침입 펜스 월장 1,000 20,000 5 펜스 훼손 1,000 20,000 5 시설 내부 침입 절도 2,000 40,000 10 설비 훼손 2,000 40,000 10 설비 방화 시도 2,000 40,000 10 설비 촬영 1,000 20,000 5 인명사고
(9,000)미사고 500 10,000 2.5 사고 끼임 2,000 40,000 10 떨어짐 2,000 40,000 10 물체에 맞음 1,700 34,000 8.5 부딪힘 1,400 28,000 7 쓰러짐 1,400 28,000 7 화재감시
(1,000)일반·전기 소재 화재 1000 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 모델1 - 행동분류모델
• 학습모델
- 모델정보: CNN-LSTM
- 깃헙: https://github.com/pranoyr/cnn-lstm• 학습모델 정보
CNN-LSTM은 비디오 클립을 구성하는 이미지들 학습을 위해 CNN 블록을 통해 단일 이미지에 대한 latent vector로 변환. latent vector의 시퀸스는 LSTM 블록을 통과하면서 시퀸스의 특징을 학습. 행동인식을 위해 검증용 행동영상과 시험용 행동영상을 전체 영상의 10%로 제시.• 라이센스
- MIT라이센스
- 라이센스 가이드라인: https://github.com/pranoyr/cnn-lstm?tab=MIT-1-ov-file#readme• 사용 가이드
[훈련]- 훈련은 작성된 코드를 터미널 상에서 실행하여 사전에 저장된 train 데이터를 학습함. 하나의 영상은 n_val_samples 만큼의 샘플로 분할하여 학습을 진행하며, 각 샘플은 16개의 프레임을 가짐.
- 실행 명령어 예시:
python3 /usr/src/cnn-lstm/main.py --task ‘intrusion_rgb’ --use_cuda --gpu 0 --batch_size 128 --n_epochs 30 --sample_size 224 --n_val_samples 5
[검증]
- 검증은 작성된 코드를 터미널 상에서 실행하여 사전에 저장된 test 데이터를 검증
- 실행 명령어 예시:python3 /usr/src/cnn-lstm/inference.py --task ‘intrusion_rgb’
- 활용 모델2 - 객체 탐지/분류 모델
• 학습모델
- 모델정보: YOLOv8
- 공식홈페이지: https://docs.ultralytics.com/ko/
- 깃헙: https://github.com/ultralytics/ultralytics• 학습모델 정보
- Ultralytics의 최신 버전인 YOLOv8. 이 모델은 딥러닝과 컴퓨터 비전의 최신 발전을 바탕으로 구축되었으며, 속도와 정확성 면에서 뛰어난 성능을 제공. 간결한 설계로 인해 다양한 애플리케이션에 적합하며, 엣지 디바이스에서부터 클라우드 API에 이르기까지 다양한 하드웨어 플랫폼에 쉽게 적응 가능.• 라이센스
- Ultralytics는 다양한 사용 사례에 맞춰 두 가지 라이선스 옵션을 제공.
- AGPL-3.0 라이선스: 이 OSI 승인 오픈 소스 라이선스는 학생 및 애호가에게 이상적. 오픈 협력과 지식 공유를 촉진. 자세한 내용은 라이선스 파일을 참조.
- 기업 라이선스: 상업적 사용을 위해 설계된 이 라이선스는 Ultralytics 소프트웨어 및 AI 모델을 상업적 제품 및 서비스에 원활하게 통합할 수 있게 하여 AGPL-3.0의 오픈 소스 요건을 우회. 상업적 제공물에 솔루션을 내장하는 시나리오에 관여하는 경우 Ultralytics 라이선싱을 통해 문의 필요.
- 라이센스 가이드라인: https://github.com/ultralytics/ultralytics/blob/main/LICENSE• 사용 가이드
[모드 요약]
- Train 모드: 사용자 맞춤 또는 사전 로드된 데이터셋 위에서 모델을 튜닝.
- Val 모드: 트레이닝 후 모델 성능을 검증하기 위한 체크포인트.
- Predict 모드: 실세계 데이터에서 모델의 예측.
- Export 모드: 다양한 포맷으로 모델을 배포 준비 상태로 추출.
- Track 모드: 객체 탐지 모델을 실시간 추적 애플리케이션으로 확장.
- Benchmark 모드: 다양한 배포 환경에서 모델의 속도와 정확도를 분석.
*자세한 사항은 공식 문서 참조: https://docs.ultralytics.com/ko/modes/[훈련]
- 모델에 데이터를 공급하고 그것이 정확한 예측을 할 수 있도록 매개변수를 조정하는 과정.[검증]
- 훈련된 모델의 품질을 평가할 수 있게 해주는 기계학습 파이프라인에서 중요한 단계.[예측]
- 머신 러닝 및 컴퓨터 비전의 세계에서 시각적 데이터를 해석하는 과정을 '추론' 또는 '예측'. Ultralytics YOLOv8는 다양한 데이터 소스에서의 고성능, 실시간 추론을 위해 맞춤화된 강력한 기능인 예측 모드를 제공. -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 침입탐지, 인명사고, 화재감시 동영상, 이미지 수집
- 침입탐지 수집 데이터 예시
- 인명사고 수집 데이터 예시
- 화재감시 수집 데이터 예시
- 이미지별 객체 세그멘테이션, 바운딩박스 라벨링
- 사람 객체 세그멘테이션 라벨링 예시- 장비 객체 바운딩박스 라벨링 예시
- 침입탐지 클래스 포맷 구성요소(동영상)
침입탐지 클래스 포맷 구성요소(동영상) 구분 속성명 타입 필수 여부 설명 범위 1 meta_information Object Y 1-1 category String Y 클래스 정보 intrusion 1-2 event String Y 이벤트 유형 normal, climb-over-fence,
damage-to-fence, damage-to-facilities,
attempt-to-set-fire, theft, ficility-filmming1-3 mode String Y 실화상/열화상 구분 rgb, thermal 1-4 shoot_time String Y 주간/야간 구분 day, night 1-5 weather String Y 날씨 환경 sunny, cloudy,rainy,inside 1-6 environment String Y 실내외 환경 구분 outlying-area, inside-facility 1-7 camera_id Array Y cctv 아이디 cctv1~cctv8 1-8 resolution String Y 촬영 해상도 1-9 width Number Y 가로 길이 실화상: 1920, 열화상: 640 1-10 height Number Y 세로 길이 실화상: 1080, 열화상: 480 1-11 file_name String Y 파일명 2 object_information_human Object Y 객체 정보 2-1 type_of_object String Y 객체 유형 human 2-2 id String Y 객체 ID h0001,… 2-3 gender String Y 객체 성별 male, female 2-4 tall Number Y 객체 신장 2-5 age Number Y 객체 나이 2-6 clothes String Y 의복의 형태 2-7 accessories String N 착용 용품 - 침입탐지 클래스 포맷 구성요소(이미지)
침입탐지 클래스 포맷 구성요소(이미지) 구분 속성명 타입 필수 여부 설명 범위 1 meta_information Object Y 1-1 category String Y 클래스 정보 intrusion 1-2 event String Y 이벤트 유형 normal, climb-over-fence, damage-to-fence,
damage-to-facilities, attempt-to-set-fire,
theft, ficility-filmming1-3 mode String Y 실화상/열화상 구분 rgb, thermal 1-4 shoot_time String Y 주간/야간 구분 day, night 1-5 weather String Y 날씨 환경 sunny, cloudy,rainy,inside 1-6 environment String Y 실내외 환경 구분 outlying-area, inside-facility 1-7 camera_id Array Y cctv 아이디 cctv1~cctv8 1-8 resolution String Y 촬영 해상도 1-9 width Number Y 가로 길이 실화상: 1920, 열화상: 640 1-10 height Number Y 세로 길이 실화상: 1080, 열화상: 480 1-11 file_name String Y 파일명 2 object_information_human Object Y 객체 정보 2-1 type_of_object String Y 객체 유형 human 2-2 id String Y 객체 ID h0001,… 2-3 gender String Y 객체 성별 male, female 2-4 tall Number Y 객체 신장 2-5 age Number Y 객체 나이 2-6 clothes String Y 의복의 형태 2-7 accessories String N 착용 용품 3 annotations Array N 라벨링 정보 3-1 id String N 객체 ID 3-2 segmentation Array N 객체 세그멘테이션 3-3 bbox Array N - - 인명사고 클래스 포맷 구성요소(동영상)
인명사고 클래스 포맷 구성요소(동영상) 구분 속성명 타입 필수 여부 설명 범위 1 meta_information Object Y 1-1 category String Y 클래스 정보 human_accident 1-2 event String Y 이벤트 유형 bump, fall-down, fall-off, hit,
jam, no-accident1-3 mode String Y 실화상/열화상 구분 rgb, thermal 1-4 shoot_time String Y 주간/야간 구분 day, night 1-5 weather String Y 날씨 환경 sunny, cloudy,rainy,inside 1-6 environment String Y 실내외 환경 구분 outlying-area, inside-facility 1-7 camera_id Array Y cctv 아이디 cctv1~cctv8 1-8 resolution String Y 촬영 해상도 1-9 width Number Y 가로 길이 실화상: 1920, 열화상: 640 1-10 height Number Y 세로 길이 실화상: 1080, 열화상: 480 1-11 file_name String Y 파일명 2 object_information_human Object Y 객체 정보 2-1 type_of_object String Y 객체 유형 human 2-2 id String Y 객체 ID h0001,… 2-3 gender String Y 객체 성별 male, female 2-4 tall Number Y 객체 신장 2-5 age Number Y 객체 나이 2-6 clothes String Y 의복의 형태 2-7 accessories String N 착용 용품 3 object_information_facility Object N 설비 객체 3-1 type_object String N 객체 유형 facility 3-2 id String N 객체 ID m0001,... 3-3 facility_name String N 설비명 - 인명사고 클래스 포맷 구성요소(이미지)
인명사고 클래스 포맷 구성요소(이미지) 구분 속성명 타입 필수 여부 설명 범위 1 meta_information Object Y 1-1 category String Y 클래스 정보 human_accident 1-2 event String Y 이벤트 유형 bump, fall-down, fall-off,
hit, jam, no-accident1-3 mode String Y 실화상/열화상 구분 rgb, thermal 1-4 shoot_time String Y 주간/야간 구분 day, night 1-5 weather String Y 날씨 환경 sunny, cloudy,rainy,inside 1-6 environment String Y 실내외 환경 구분 outlying-area, inside-facility 1-7 camera_id Array Y cctv 아이디 cctv1~cctv8 1-8 resolution String Y 촬영 해상도 1-9 width Number Y 가로 길이 실화상: 1920, 열화상: 640 1-10 height Number Y 세로 길이 실화상: 1080, 열화상: 480 1-11 file_name String Y 파일명 2 object_information_human Object Y 객체 정보 2-1 type_of_object String Y 객체 유형 human 2-2 id String Y 객체 ID h0001,… 2-3 gender String Y 객체 성별 male, female 2-4 tall Number Y 객체 신장 2-5 age Number Y 객체 나이 2-6 clothes String Y 의복의 형태 2-7 accessories String N 착용 용품 3 object_information_facility Object N 설비 객체 3-1 type_object String N 객체 유형 facility 3-2 id String N 객체 ID m0001,... 3-3 facility_name String N 설비명 4 annotations Array N 라벨링 정보 4-1 id String N 객체 ID 4-2 segmentation Array N 세그멘테이션 좌표값 4-3 bbox Array N 바운딩박스 좌표값 - 화재감시 클래스 포맷 구성요소(동영상)
화재감시 클래스 포맷 구성요소(동영상) 구분 속성명 타입 필수 여부 설명 범위 1 meta_information Object Y 1-1 category String Y 클래스 정보 fire 1-2 event String Y 이벤트 유형 general-electric-fire 1-3 mode String Y 실화상/열화상 구분 rgb, thermal 1-4 shoot_time String Y 주간/야간 구분 day, night 1-5 weather String Y 날씨 환경 sunny, cloudy,rainy,inside 1-6 environment String Y 실내외 환경 구분 outlying-area, inside-facility 1-7 camera_id Array Y cctv 아이디 cctv1~cctv8 1-8 resolution String Y 촬영 해상도 1-9 width Number Y 가로 길이 실화상: 1920, 열화상: 640 1-10 height Number Y 세로 길이 실화상: 1080, 열화상: 480 1-11 file_name String Y 파일명 2 object_information_human Object Y 객체 정보 2-1 type_of_object String Y 객체 유형 human 2-2 id String Y 객체 ID h0001,… 2-3 gender String Y 객체 성별 male, female 2-4 tall Number Y 객체 신장 2-5 age Number Y 객체 나이 2-6 clothes String Y 의복의 형태 2-7 accessories String N 착용 용품 3 object_information_smoke Object N 연기 객체 3-1 type_object String N 객체 유형 smoke 3-2 id String N 객체 ID s0001,... 3-3 smoke_color String N 연기 색깔 - 화재감시 클래스 포맷 구성요소(이미지)
화재감시 클래스 포맷 구성요소(이미지) 구분 속성명 타입 필수 여부 설명 범위 1 meta_information Object Y 1-1 category String Y 클래스 정보 fire 1-2 event String Y 이벤트 유형 general-electric-fire 1-3 mode String Y 실화상/열화상 구분 rgb, thermal 1-4 shoot_time String Y 주간/야간 구분 day, night 1-5 weather String Y 날씨 환경 sunny, cloudy,rainy,inside 1-6 environment String Y 실내외 환경 구분 outlying-area, inside-facility 1-7 camera_id Array Y cctv 아이디 cctv1~cctv8 1-8 resolution String Y 촬영 해상도 1-9 width Number Y 가로 길이 실화상: 1920, 열화상: 640 1-10 height Number Y 세로 길이 실화상: 1080, 열화상: 480 1-11 file_name String Y 파일명 2 object_information_human Object Y 객체 정보 2-1 type_of_object String Y 객체 유형 human 2-2 id String Y 객체 ID h0001,… 2-3 gender String Y 객체 성별 male, female 2-4 tall Number Y 객체 신장 2-5 age Number Y 객체 나이 2-6 clothes String Y 의복의 형태 2-7 accessories String N 착용 용품 3 object_information_smoke Object N 연기 객체 3-1 type_object String N 객체 유형 smoke 3-2 id String N 객체 ID s0001,... 3-3 smoke_color String N 연기 색깔 4 annotations Array N 라벨링 정보 4-1 id String N 객체 ID 4-2 segmentation Array N 세그멘테이션 좌표값 4-3 bbox Array N 바운딩박스 좌표값 - 어노테이션 예시
-
데이터셋 구축 담당자
수행기관(주관) : (주) 프라코
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 홍원표 031-369-8518 wphong@plakor.co.kr 총괄, 데이터 수집 수행기관(참여)
수행기관(참여) 기관명 담당업무 (주) 케이솔루션즈 데이터 정제, 가공, AI모델 개발 한국산업지능화협회 데이터 검수 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김강웅 02-6415-2238 kwkim@ksolution.kr 윤승환 031-369-8518 5bladi@plakor.co.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 김강웅 02-6415-2238 kwkim@ksolution.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 김강웅 02-6415-2238 kwkim@ksolution.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] [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.