콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#컴퓨터 비전 #축산업

NEW 말(馬) 부위 식별 및 이상상태 진단 이미지 데이터

말(馬) 부위 식별 및 이상상태 진단 이미지 데이터 아이콘 이미지
  • 분야농축수산
  • 유형 이미지
구축년도 : 2023 갱신년월 : 2024-10 조회수 : 1,683 다운로드 : 10 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 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

    - 동영상 및 이미지를 활용한 건강관리 서비스를 통해 파행, 발굽질환 등 이상상태를 조기 발견하여 전신질환을 예방할 수 있는 지능화된 기술도입과 말 산업 육성에 필요한 실용적인 서비스 개발을 위해 수집ㆍ구축

    구축목적

    - 동영상 및 이미지를 활용한 건강관리 서비스를 통해 파행, 발굽질환 등 이상상태를 조기 발견하여 전신질환을 예방할 수 있는 지능화된 기술도입과 말 산업 육성에 필요한 실용적인 서비스 개발을 위해 수집ㆍ구축
  • - 데이터 구축 규모

    데이터 구축 규모
    데이터명 구분 이미지 수
    말 부위식별 데이터 얼굴 전체 2,000
    이마 2,000
    콧등 2,000
    입술 2,000
    2,000
    2,000
    전면 2,000
    후면 2,000
    측면 2,000
    2,000
    앞다리 2,000
    2,000
    2,000
    2,000
    뒷다리 2,000
    2,000
    2,000
    2,000
    말 보행 데이터 평보 전면 75,000
    후면 75,000
    측면  75,000
    75,000
    속보 전면 75,000
    후면 75,000
    측면  75,000
    75,000
    말 발굽 데이터 전면 4,304
    측면 4,193
    후면 4,000
    바닥 2,000

     * 발굽 바닥은 안전상의 이유로 앞발굽만 촬영하며, 발굽 바닥은 각 발굽별 제차와 수직을 이루는 양옆 제벽과의 비율을 확인하기 위한 데이터로 뒷다리 발굽과는 무관함

     

    - 데이터 분포
      - 전체 이미지 데이터:650,497장

    데이터 분포 - 전체 이미지 데이터
    데이터 구분 데이터 수량 수집 말 두수
    부위식별 데이터 36,000 2,000마리
    보행 데이터 600,000 1,000마리
    발굽 데이터 14,497 1,391마리

     

      - 연령대 구분별 분포

    연령대 구분별 분포 차트

     

      - 성별 분포

    성별 분포 차트

    데이터 분포 - 성별 분포
    데이터 구분 수컷 암컷
    전체 데이터 2360 2030
      부위식별 데이터 1071 929
    보행 데이터 535 465
    발굽 데이터 754 636

     

      - 품종 분포

    품종 분포 차트

    데이터 분포 - 품종 분포
    데이터 구분 더러브렛 제주마 기타
    전체 데이터 1547 582 2261
      부위식별 데이터 675 294 1031
    보행 데이터 239 281 480
    발굽 데이터 633 7 750

     

      - 말 구분 분포

    말 구분 분포

    데이터 분포 - 말 구분 분포
    데이터 구분 승용 경주용 기타
    전체 데이터 2453 1580 357
      부위식별 데이터 1123 719 158
    보행 데이터 537 406 57
    발굽 데이터 793 455 142
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    - 활용 모델
     1. 말 머리 및 전신, 흰점 식별 모델(Semantic Segmentation)
      - 간단하고 효율적이며 강력한 성능을 보유한 Semantic Segmentation task에 알맞은 Transformer 모델로, 발표 당시 다른 모델에 비해 파라미터 수는 훨씬 적고 성능은 월등히 높음 
      - 다양한 스케일에 대한 feature를 출력으로 뽑는 계층적 구조의 Transformer encoder로 구성되며, 각 패치의 위치정보를 위해 사용하는 positional encoding을 필요없게 만들어 학습 이미지와 사이즈가 다른 이미지에 대해서도 성능을 유지하도록 만들었으며, MLP로만 구성된 decoder를 사용하여 서로 다른 계층의 정보를 통합하여 local attention과 global attention을 결합해 강력한 성능을 보유한 모델

    < SegFormer >
    SegFormer 모델 구조

     

    2. 말 다리 영역 검출 모델(Instance Segmentation)
      - 기존의 Faster R-CNN을 통해 object detection을 수행하고, 검출된 각 RoI에 대해 mask segmentation을 해주는 mask branch를 추가한 구조로 다양한 vision task를 효과적으로 수행
      - 각 RoI 마다 Fully Convolution Network을 적용해 공간 정보에 대한 손실 없이 mask를 예측하고, 기존 방식대로 Fully connected layer 사용하는 것보다 효율적이고 정확한 성능을 보유

    < Mask R-CNN >

    Mask R-CNN 모델 구조

     

     3. 말 관절 탐지 모델
      - 동영상에서 추출한 관절 좌표를 이용하여 관절 움직임의 패턴을 분석하는 Machine Learning 모델 개발 또는 움직임의 패턴을 시각화하여 비정상 패턴을 찾아내는 딥러닝 모델 개발을 통하여 말의 건강상태를 진단할 수 있는 서비스 개발의 기초모델 제공
      - MMPOSE는 오픈소스 모델을 제공하는 MMLab의 pose estimation 모델로서, keypoints를 검출하고, 관련성을 찾아 지속적으로 추적

    < MMPOSE >

    MMPOSE 모델 구조

     

    4. 말 발굽 크랙 탐지 모델
      - 발굽의 상태이상 신호인 크랙을 판별할 수 있는 AI 모델 개발하여 말의 건강상태를 확인할 수 있는 서비스를 개발
      - 실시간 Object Detection 모델로 기존 Object Detection 모델보다 빠르고 정확한 데이터 처리속도를 목표로한 알고리즘
      - YOLO모델은 다양한 크기의 객체를 효과적으로 탐지할 수 있어 큰 균열부터 미세한 금까지 다양한 균열 탐지에 효과적임

    < YOLO >

    YOLO 모델 구조

     

    5. 말 발굽 데미지 탐지 모델
     - 발굽 손상 유무를 판별할 수 있는 AI 모델을 개발하여 말 발굽 건강상태를 확인할 수 있는 서비스를 개발
     - CNN모델의 성능을 높이는 3가지 요소(모델의 깊이, 필터의 수, 이미지의 해상도)들의 최적 조합을 찾는 과정에서 만들어진 알고리즘

    < EfficientNet >

    EfficientNet 모델 구조

     

    - 서비스 활용 시나리오
      - 현재는 수기로 이루어지고 있는 말 개체 식별 및 등록 업무를 AI 모델을 통해 수 분 내에 누구나 처리할 수 있는 서비스
      - 카메라 촬영을 통해 말의 부위식별과 이상상태 여부, 건강상태를 확인할 수 있는 AI 서비스 

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    - 원천 데이터 예시

    원천 데이터 예시
    말 부위식별 데이터 말 보행 데이터 말 발굽 데이터
    말 부위식별 원천데이터 예시 말 보행 원천데이터 예시 말 발굽 원천데이터 예시

     

    - 라벨링데이터 예시
      - 말 부위식별 데이터

    라벨링데이터 예시 - 말 부위식별 데이터
    말 머리 말 몸통 말 다리
    말 머리 라벨링데이터 예시 말 몸통 라벨링데이터 예시 말 다리 라벨링데이터 예시
    말 눈 말 머리 흰점 말 다리 흰점
    말 눈 라벨링데이터 예시 말 머리 흰점 라벨링데이터 예시 말 다리 흰점 라벨링데이터 예시

     * 말 머리 및 다리 흰점의 경우 말의 개체식별을 위해 활용되는 정보임. 

     

      - 말 보행 데이터

    라벨링데이터 예시 - 말 보행 데이터
    말 파행 여부 말 관절 포인트
    말 파행 여부 라벨링데이터 예시 말 관절 포인트 라벨링데이터 예시 1 말 관절 포인트 라벨링데이터 예시 2

     

      - 말 발굽 데이터

    라벨링데이터 예시 - 말 발굽 데이터
    발굽(전면, 측면) 발굽 밸런스 포인트
    발굽 전면, 측면 라벨링데이터 예시 발굽 밸런스 포인트 라벨링데이터 예시
    크랙 손상 발굽 바닥
    발굽 크랙 라벨링데이터 예시 발굽 손상 라벨링데이터 예시 발굽 바닥 라벨링데이터 예시

     * 발굽 바운딩박스, 크랙, 손상 라벨링은 발굽 전면 및 측면 이미지에 대하여 수행
     ** 발굽 밸런스 포인트 라벨링은 발굽 후면과 바닥, 발굽 바닥 폴리곤 라벨링은 발굽 바닥이미지에 대해서만 수행

     

    - 폴더 구조

    폴더 구조
    원천 데이터 라벨링 데이터
    폴더 구조 원천데이터 폴더 구조 라벨링데이터

      - TRAIN/VALIDATION/TEST 구분은 각각 아래 학습 모델에 해당하는 데이터를 기준으로 구분하였음
     1) 부위식별 데이터 : 머리, 몸통, 다리 각 부위별 탐지모델
       * 눈은 임의로 분리하였으며, 머리 흰점 탐지 모델 및 다리 흰점 탐지 모델에 활용한 데이터셋 목록은 별도로 제공 예정
     2) 보행 데이터 : 관절 탐지 모델
     3) 발굽 데이터 : 발굽 데미지 탐지 모델
       * 발굽 크랙 탐지 모델에 활용한 데이터셋 목록은 별도로 제공 예정

     

    - 라벨링 데이터 구성

      - 말 부위식별 데이터

    라벨링 데이터 구성 - 말 부위식별 데이터
    구분 속성명 타입 필수
    여부
    설명 범위
    1 horse_info Object Y 말 기본정보  
      1-1 horse_id String Y 말 ID  
    1-2 horse_breed String Y 품종 “더러브렛”,“제주마”, “기타“
    1-3 horse_breed_etc String N 품종 상세 정보  
    1-4 horse_birth String Y 출생일 “YYYY-MM-DD”
    1-5 horse_sex String Y 암, 수 구분 “F”, “M”
    1-6 horse_purpose String Y 최종용도 “경주용”, “승용”, “기타”
    2 image_info Object Y 이미지 정보  
      2-1 file_name String Y 파일명  
    2-2 file_path String Y 파일 경로  
    2-3 date_time String Y 촬영일 “YYYY-MM-DD”
    2-4 device String Y 촬영장비 “스마트폰”, “기타”
    2-5 device_detail String N 촬영장비 상세정보 모델명
    (*SM-950)
    2-6 data_type String Y 촬영 데이터 구분 “부위식별”
    2-7 position String Y 촬영부위 “얼굴”, “전면”, “측면”, “후면”, “눈”, “앞다리”, “뒷다리”, 
    2-8 position_detail String N 촬영 상세 부위 “전체”, “이마”, “콧등”,“입술”, “좌”, “우”, “앞”, “뒤”, 
    2-9 image_resolution object Y 이미지 해상도  
      2-9-1 width Number Y 이미지 가로 해상도 0~9999
    2-9-2 height Number Y 이미지 세로 해상도 0~9999
    3 horse_object Object Y 말 부위식별 라벨링 정보  
      3-1 polygon Object N 폴리곤 라벨링 폴리곤 배열
        3-1-1 category String N 클래스명 말 머리, 흰점, 말 전신, 말 다리
    3-1-2 coor array N 점 좌표 [0~9999, 0~9999, 0~9999, 0~9999, ....]
    3-1-3 leg_whitespot_shape String N 말 다리 흰점 유형 Leg01, Leg02,Leg03,Leg04,Leg05,Leg06
    3-2 head_whitespot_shape String N 말 머리 흰점 유형
    이마 / 콧등 / 입술 부위에 대한 유효값
    얼굴 전체에 대한 유효값 [ 이마 / 콧등 / 입술 각 부위의 조합으로 유효값 구성 ] 
    Face_White, Fore01~09, Fore11~19, Nose01~05, Nose11~15, Lip01~05, Lip11~15, [이마흰점종류,콧등흰점종류,입술흰점종류]
    3-3 vortex_bbox array N 가마 바운딩박스 바운딩박스 배열
      3- coor array N 점 좌표 [0~9999, 0~9999, 0~9999, 0~9999]
    3-1
    3-4 eye_bbox array N 눈 바운딩 박스 배열 [0~9999, 0~9999, 0~9999, 0~9999]
    3-5 eye_shape String N 말 눈 유형 normal_eye, whale_eye, fish_eye
    3-6 horse_color String N 말 털색 정보 chestnut, brown, dark_brown, black, gray, paint, spot, etc

     

     * 프로퍼티 설명(leg_whitespot_shape)

    프로퍼티 설명(leg_whitespot_shape)
    Leg01 Leg02 Leg03 Leg04 Leg05
    소백 반백 장반백 장백
    Leg06        
    다리 흰점        

    ** 프로퍼티 설명(head_white_shape)

    프로퍼티 설명(head_white_shape)
    Fore01 Fore02 Fore03 Fore04 Fore05
    소성 곡성 환성 난성
    Fore06 Fore07 Fore08 Fore09  
    대성 곡대성 환대성 난대성  
    Fore11 Fore12 Fore13 Fore14 Fore15
    소유성 유성 곡유성 환유성 난유성
    Fore16 Fore17 Fore18 Fore19 Face_White
    대유성 곡대유성 환대유성 난대유성 백면
    Nose01 Nose02 Nose03 Nose04 Nose05
    단비량세백 단비량백 단비량대백 단환비량백 단환비량대백
    Nose11 Nose12 Nose13 Nose14 Nose15
    비량세백 비량백 비량대백 환비량백 환비량대백
    Lip01 Lip02 Lip03 Lip04 Lip05
    단비소백 단비백 단비대백 단환비백 단환비대백
    Lip11 Lip12 Lip13 Lip14 Lip15
    비소백 비백 비대백 환비백 환비대백

     *** 프로퍼티 설명(eye_shape)

    프로퍼티 설명(eye_shape)
    normal_eye whale_eye fish_eye    
    일반 고래눈 물고기눈    

    **** 프로퍼티 설명(horse_color)

    프로퍼티 설명(horse_color)
    chestnut brown dark_brown black gray
    밤색 갈색 흑갈색 검은색 회색
    paint spot etc    
    얼룩 점박이 기타    

     

      - 말 보행 이미지 데이터

    라벨링 데이터 구성 - 말 보행 이미지 데이터
    구분 속성명 타입 필수여부 설명 범위
    1 horse_info Object Y 말 기본정보  
      1-1 horse_id String Y 말 ID  
    1-2 horse_breed String Y 품종 “더러브렛”,“제주마”, “기타“
    1-3 horse_breed_etc String N 품종 상세 정보  
    1-4 horse_birth String Y 출생일 “YYYY-MM-DD”
    1-5 horse_sex String Y 암, 수 구분 “F”, “M”
    1-6 horse_purpose String Y 최종용도 “경주용”, “승용”, “기타”
    2 image_info Object Y 이미지 정보  
      2-1 file_name String Y 파일명  
    2-2 file_path String Y 파일 경로  
    2-3 date_time String Y 촬영일 “YYYY-MM-DD”
    2-4 device String Y 촬영장비 “스마트폰”, “기타”
    2-5 device_detail String N 촬영장비 상세정보 모델명
    (*SM-950)
    2-6 data_type String Y 촬영 데이터 구분 “보행”
    2-7 position String Y 촬영부위 “전면”, “측면”
    2-8 position_detail String Y 촬영 상세 부위 “좌”, “우”,  “전면”, “후면”
    2-9 image_resolution object Y 이미지 해상도  
      2-9-1 width Number Y 이미지 가로 해상도 0~9999
    2-9-2 height Number Y 이미지 세로 해상도 0~9999
    2-10 image_sequence String Y 이미지 스퀀스 정보  
    3 horse_move Object Y 말 보행 라벨링 정보  
      3-1 walk_type String Y 걸음속도 “평보”, “속보”
    3-2 walk_direction String Y 보행방향 “전면”, “후면”, “좌”, “우”
    3-3 lameness_yn String Y 파행여부 “Y”, “N”
    3-4 joint_array array Y 관절 포인트 배열  
      3-4-1 joint_id Number Y 관절 포인트 ID 1~100
    3-4-2 joint_category String Y 관절 포인트 카테고리  
    3-4-3 point array Y 점 좌표 [0~9999, 0~9999]
    3-4-4 occlusion_yn String Y 가려진 부위 여부 “Y”, “N”
     

     * 프로퍼티 설명(joint_category)
     1) 측면(좌, 우)

    프로퍼티 설명(joint_category) 1) 측면(좌, 우)
    Nostril Eye Poll Withers LowestBack
    콧구멍 정수리 기갑 양 견갑골 사이 흉추 수직돌기가 가장 높이 솟아있는 부분 등 라인의 가장 낮은 부위
    T16L1 T_sacrale_L T_sacrale_R Tail_Root T_ischiadicum
    마지막 흉추, 첫 번째 요추 부위, LowestBack과 T_sacrale 사이의 점 말의 골반뼈에서 왼쪽 위쪽으로 가장 돌출된 부분, 엉덩이에서 가장 높은 부분(왼쪽) 말의 골반뼈에서 왼쪽 위쪽으로 가장 돌출된 부분, 엉덩이에서 가장 높은 부분(오른쪽) 꼬리의 뿌리 말의 골반뼈에서 뒤쪽으로 가장 돌출된 부분, 궁둥이에서 가장 뒤쪽 부분
    Tub Spina_scapulae_L Spina_scapulae_R ElbowJoint_L ElbowJoint_R
    상완골중간결절, 앞가슴에서 가장 앞으로 튀어나온 부분 왼쪽 견갑골의 견갑가시, Tub로부터 Withers를 연결한 가상의 선 중간 지점 오른쪽 견갑골의 견갑가시, Tub로부터 Withers를 연결한 가상의 선 중간 지점 왼쪽앞다리와 몸통의 경계 부분 오른쪽 앞다리와 몸통의 경계 부분
    Carpuse_L Carpuse_R Fetlock_L Fetlock_R Front_Heel_L
    왼쪽 앞다리 무릎 외측면 오른쪽 앞다리 무릎 외측면 왼쪽 앞다리 구절 외측면 오른쪽 앞다리 구절 외측면 왼쪽 앞발굽의뒷면 중앙 부분, 제구부
    Front_Heel_R Front_Toe_L Front_Toe_R Abdomen T_Coxae_L
    오른 앞발굽의뒷면 중앙 부분, 제구부 왼쪽 앞발굽의앞면 중앙 부분, 제첨부 오른 앞발굽의앞면 중앙 부분, 제첨부 복부 아랫선에서가장 낮은 부분 말의 골반뼈에서 말의 몸통 왼쪽 바깥쪽으로 가장 돌출된 부분, 엉덩이에서 가장 높은 부분에서 약간 앞쪽 아래
    T_Coxae_R Coxofemoral_L Coxofemoral_R Stifle_Joint_L Stifle_Joint_R
    말의 골반뼈에서 말의 몸통 오른쪽 바깥쪽으로 가장 돌출된 부분, 엉덩이에서 가장 높은 부분에서 약간 앞쪽 아래 T_Coxae-L에서 T_ischadicum을 가상의 선으로 연결했을 때 뒤쪽 2/3지점 T_Coxae-R에서 T_ischadicum을 가상의 선으로 연결했을 때 뒤쪽 2/3지점 왼쪽슬관절외측, 왼 뒷다리가 시작하는 부분에서 볼록 튀어나온 부분 오른쪽 슬관절외측, 오른 뒷다리가 시작하는 부분에서 볼록 튀어나온 부분
    Rear_Tarsus_L Rear_Tarsus_R Rear_Fetlock_L Rear_Fetlock_R Rear_Heel_L
    왼쪽 비절외측, 가장 뒤로 튀어나온 부분에서 약간 안쪽 부분 오른쪽 비절외측, 가장 뒤로 튀어나온 부분에서 약간 안쪽 부분 왼쪽 뒷다리 구절 외측면 오른쪽뒷다리의구절 외측면 왼쪽뒷다리발굽의 뒷부분, 제구부
    Rear_Heel_R Rear_Toe_L Rear_Toe_R    
    오른쪽뒷다리발굽의 뒷부분, 제구부 왼쪽뒷다리발굽의 앞부분, 제첨부 오른쪽뒷다리발굽의 앞부분, 제첨부    

     

     2) 전면

    프로퍼티 설명(joint_category) 2) 전면
    Forehead Nasal_bridge Muzzle Elbow_L Elbow_R
    이마 콧등(비량) 코끝 왼쪽팔꿈치의구부러진부분 오른쪽팔꿈치의구부러진부분
    Shoulder_C Carpus_Front_L Carpus_Front_R Fetlock_Front_L Fetlock_Front_R
    가슴 흉근의 중앙 밑부분, 가슴 흉근의 경계의 끝부분 왼쪽 앞다리 무릎 앞부분 오른쪽 앞다리 무릎 앞부분 왼쪽 앞다리 구절 전면 오른쪽 앞다리 구절 전면
    Hoof_Front_L Hoof_Front_R      
    왼쪽 앞발굽 전면 오른쪽 앞발굽 전면      

     

     3) 후면

    프로퍼티 설명(joint_category) 3) 후면
    Tail_root T_Coxae_L T_Coxae_R Stifle_joint_L Stifle_joint_R
    꼬리의뿌리 말의 골반뼈에서 말의 몸통 왼쪽 바깥쪽으로 돌출된 부분 말의 골반뼈에서 말의 몸통 오른쪽 바깥쪽으로 돌출된 부분 뒤에서 바라보았을 때 왼쪽 뒷다리 시작점 아래 바깥쪽에 옴폭 들어가기 시작하는 지점을 지나는 가상의 수평선을 긋고, 그 선을 이등분 한 가운데 지점 뒤에서 바라보았을 때 오른쪽 뒷다리 시작점 아래 바깥쪽에 옴폭 들어가기 시작하는 지점을 지나는 가상의 수평선을 긋고, 그 선을 이등분 한 가운데 지점
    T_ischiadicum_L T_ischiadicum_R Hock_L Hock_R Fetlock_Rear_L
    T-Coxae_L과 Stifle_joint_L을 수직으로 연결한 가상의 선 위쪽으로부터 약 1/3지점 T-Coxae_R과 Stifle_joint_R을 수직으로 연결한 가상의 선 위쪽으로부터 약 1/3지점 왼쪽비절뒷부분, 볼록 튀어나온 부분 오른쪽비절뒷부분, 볼록 튀어나온 부분 왼쪽 뒷다리 구절 뒷부분
    Fetlock_Rear_R Hoof_Rear_L Hoof_Rear_R    
    오른쪽 뒷다리 구절 뒷부분 왼쪽 뒷발굽 후면 오른쪽 뒷발굽 후면    

     

      - 말 발굽 이미지 데이터

    라벨링 데이터 구성 - 말 발굽 이미지 데이터
    구분 속성명 타입 필수여부 설명 범위
    1 horse_info Object Y 말 기본정보  
      1-1 horse_id String Y 말 ID  
    1-2 horse_breed String Y 품종 “더러브렛”,“제주마”, “기타“
    1-3 horse_breed_etc String N 품종 상세 정보  
    1-4 horse_birth String Y 출생일 “YYYY-MM-DD”
    1-5 horse_sex String Y 암, 수 구분 “F”, “M”
    1-6 horse_purpose String Y 최종용도 “경주용”, “승용”, “기타”
    2 image_info Object Y 이미지 정보  
      2-1 file_name String Y 파일명  
    2-2 file_path String Y 파일 경로  
    2-3 date_time String Y 촬영일 “YYYY-MM-DD”
    2-4 device String Y 촬영장비 “스마트폰”, “기타”
    2-5 device_detail String N 촬영장비 상세정보 모델명
    (*SM-950)
    2-6 data_type String Y 촬영 데이터 구분 “발굽“
    2-7 position String Y 촬영부위 “왼쪽앞다리”, “오른쪽앞다리”, “왼쪽뒷다리”, “오른쪽뒷다리”
    2-8 position_detail String Y 촬영 상세 부위 “측면”, “전면”, “후면”, “바닥”
    2-9 image_resolution object Y 이미지 해상도  
      2-9-1 width Number Y 이미지 가로 해상도 0~9999
    2-9-2 height Number Y 이미지 세로 해상도 0~9999
    3 horse_hoof Object Y 말 발굽 라벨링 정보  
      3-1 hoof_bbox array N 전면 측면 발굽 바운딩 박스 배열 [0~9999, 0~9999, 0~9999, 0~9999]
    3-2 damage_yn String N 발굽 손상 유무 “Y”, “N”
    3-3 crack_yn String N 말 크랙 유무 “Y”, “N”
    3-4 crack array N 말 크랙 polygon 정보  
      3-4-1 crack_polygon array   좌표 정보 [0~9999, 0~9999, 0~9999, 0~9999, ....]
    3-5 balance String N 발굽 밸런스 정보 “정상”, “비정상”
    3-6 balance_point Object N 제차 위치좌표  
      3-6-1 balance_point01 array N 밸런스 포인트 좌표 1 [0~9999, 0~9999]
    3-6-2 balance_point02 array N 밸런스 포인트 좌표 2 [0~9999, 0~9999]
    3-6-3 balance_point03 array N 밸런스 포인트 좌표 3 [0~9999, 0~9999]
    3-6-4 balance_point04 array N 밸런스 포인트 좌표 4 [0~9999, 0~9999]
    3-7 sole array N 발굽 바닥 폴리곤 좌표 [[0~9999, 0~9999], [0~9999, 0~9999], ....]

     

    - 라벨링 데이터 실제 예시

    라벨링 데이터 구성 - 라벨링 데이터 실제 예시
    데이터명 라벨링 데이터 예시(JSON)
    말 부위식별 데이터 {
        "horse_info": {
            "horse_id": "N3379547",
            "horse_breed": "기타",
            "horse_breed_etc": "한라마",
            "horse_birth": "2005-07-14",
            "horse_sex": "F",
            "horse_purpose": "승용"
        },
        "image_info": {
            "file_name": "N3379547_OBJECT_FACE_001.png",
            "file_path": "/원천데이터/HORSE_OBJECT/FACE/FACE/N3379547_OBJECT_FACE_001.png",
            "date_time": "2023-10-26",
            "device": "스마트폰",
            "device_detail": "SM-S901N",
            "data_type": "부위식별",
            "position": "얼굴",
            "position_detail": "전체",
            "image_resolution": {
                "height": 4000,
                "width": 3000
            }
        },
        "horse_object": {
            "polygon": [
                {
                    "category": "말 머리",
                    "coor": [
                        [
        1938, 499, 1909, 522, 1890, 602, 1805, 694, 1764, 742, 1755, 755, 1738, 770, 1657, 864, 1573, 991, 1534, 1013, 1414, 996, 1316, 998, 1217, 993, 1159, 1012, 1124, 1005, 1116, 970, 1103, 920, 976, 741, 873, 623, 829, 542, 811, 525, 777, 494, 761, 551, 724, 590, 712, 662, 709, 706, 715, 825, 741, 922, 763, 969, 980, 1264, 985, 1349, 970, 1399, 923, 1482, 866, 1740, 903, 1771, 905, 1803, 972, 1956, 984, 2223, 1020, 2314, 1075, 2402, 1074, 2511, 1101, 2638, 1148, 2772, 1150, 2811, 1158, 2880, 1133, 2948, 1112, 2992, 1116, 3038, 1114, 3068,1088, 3098, 1087, 3155, 1092, 3209, 1101, 3259, 1118, 3269, 1138, 3333, 1162, 3375, 1181, 3414, 1194, 3431, 1214, 3477, 1240, 3498, 1295, 3526, 1531, 3525, 1581, 3498, 1601, 3455, 1624, 3401, 1703, 3296, 1701, 3266, 1707, 3255, 1716, 3140, 1709, 3094, 1688, 3068, 1690, 3009, 1677, 2977, 1668, 2905, 1668, 2812, 1666, 2744, 1679, 2683, 1679, 2675, 1690, 2625, 1688, 2575, 1700, 2511, 1703, 2461, 1718, 2309, 1757, 2224, 1768, 2087, 1781, 1953, 1775, 1896, 1799, 1822, 1811, 1783, 1827, 1727, 1844, 1700, 1838, 1662, 1803, 1535, 1792, 1481,  1733, 1392, 1725, 1351, 1725, 1264, 1749, 1177, 1794, 1138, 1848, 1098, 1942, 975, 1966, 894, 1990, 812, 1988, 809, 1998, 787, 2009, 724, 2011, 674, 1990, 616, 1963, 513
    ]
                    ],
                    "leg_whitespot_shape": null
                }
            ],
            "head_whitespot_shape": "None, None, None",
            "vortex_bbox": [
                {
                    "coor": [
                        1305,
                        1720,
                        170,
                        229
                    ]
                }
            ],
            "eye_bbox": [],
            "eye_shape": null,
            "horse_color": "dark_brown"
        }
    }
    말 보행 데이터 {
        "horse_info": {
            "horse_id": "R2230012",
            "horse_breed": "제주마",
            "horse_breed_etc": null,
            "horse_birth": "2020-05-13",
            "horse_sex": "F",
            "horse_purpose": "경주용"
        },
        "image_info": {
            "file_name": "R2230012_MOVE_WALK_FRONT_A131.png",
            "file_path": "/원천데이터/HORSE_MOVE/WALK/R2230012_MOVE_WALK_FRONT_A131.png",
            "date_time": "2023-08-24",
            "device": "스마트폰",
            "device_detail": "SM-S918N",
            "data_type": "보행",
            "position": "전면",
            "position_detail": "전면",
            "image_resolution": {
                "width": 1080,
                "height": 1920
            },
            "image_sequence": "A131"
        },
        "horse_move": {
            "walk_type": "평보",
            "walk_direction": "전면",
            "lameness_yn": "N",
            "joint_array": [
                {
                    "joint_id": 40,
                    "joint_category": "Forehead",
                    "point": [
                        535.0, 894.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 41,
                    "joint_category": "Nasal_bridge",
                    "point": [
                        533.0, 912.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 42,
                    "joint_category": "Muzzle",
                    "point": [
                        531.0, 933.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 43,
                    "joint_category": "Elbow_L",
                    "point": [
                        556.0, 980.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 44,
                    "joint_category": "Elbow_R",
                    "point": [
                        535.0, 980.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 45,
                    "joint_category": "Shoulder_C",
                    "point": [
                        547.0, 980.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 46,
                    "joint_category": "Carpus_Front_L",
                    "point": [
                        554.0, 1018.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 47,
                    "joint_category": "Carpus_Front_R",
                    "point": [
                        538.0, 1020.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 48,
                    "joint_category": "Fetlock_Front_L",
                    "point": [
                        552.0, 1041.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 49,
                    "joint_category": "Fetlock_Front_R",
                    "point": [
                        538.0, 1048.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 50,
                    "joint_category": "Hoof_Front_L",
                    "point": [
                        554.0, 1055.0
                    ],
                    "occlusion_yn": "N"
                },
                {
                    "joint_id": 51,
                    "joint_category": "Hoof_Front_R",
                    "point": [
                        538.0, 1064.0
                    ],
                    "occlusion_yn": "N"
                }
            ]
        }
    }
    말 발굽 데이터 {
        "horse_info": {
            "horse_id": "E2121470",
            "horse_breed": "기타",
            "horse_breed_etc": "중형마",
            "horse_birth": "2005-04-07",
            "horse_sex": "M",
            "horse_purpose": "기타"
        },
        "image_info": {
            "file_name": "E2121470_HOOF_FRONT_004.png",
            "file_path": "/원천데이터/HORSE_HOOF/FRONT/E2121470_HOOF_FRONT_004.png",
            "date_time": "2023-09-21",
            "device": "스마트폰",
            "device_detail": "SM-S901N",
            "data_type": "발굽",
            "position": "오른쪽앞다리",
            "position_detail": "전면",
            "image_resolution": {
                "width": 4000,
                "height": 3000
            }
        },
        "horse_hoof": {
            "hoof_bbox": [
                848,
                813,
                2179,
                1691
            ],
            "damage_yn": "N",
            "crack_yn": "N",
            "crack": [],
            "balance": null,
            "balance_point": {
                "balance_point01": null,
                "balance_point02": null,
                "balance_point03": null,
                "balance_point04": null
            },
            "sole": null
        }
    }
  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜라임솔루션
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    신은동 02-3478-1771 sed4001@limesolution.co.kr 사업총괄
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜드위치 데이터 검증
    ㈜에이비스 데이터 정제ㆍ라벨링ㆍAI모델 개발
    제주대학교 산학협력단 데이터 정제ㆍ라벨링ㆍAI모델 개발
    한국마사회 데이터 수집ㆍ정제 및 품질관리
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    신은동 02-3478-1771 sed4001@limesolution.co.kr
    황재민 02-3478-1771 jmhwang@limesolution.co.kr
    AI모델 관련 문의처
    AI모델 관련 문의처
    담당자명 전화번호 이메일
    신은동 02-3478-1771 sed4001@limesolution.co.kr
    황재민 02-3478-1771 jmhwang@limesolution.co.kr
    저작도구 관련 문의처
    저작도구 관련 문의처
    담당자명 전화번호 이메일
    신은동 02-3478-1771 sed4001@limesolution.co.kr
    황재민 02-3478-1771 jmhwang@limesolution.co.kr
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청 데이터 열람신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 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.