-
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 2024-08-05 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-08-05 산출물 공개 Beta Version 소개
- 기존 대응단계에서 수집된 데이터와 달리 초기와 중기 단계의 화재 영상이나 이미지를 수집 및 획득하여, AI 화재 감지 모니터링 시스템 구축에 활용.
구축목적
- 화재 데이터를 바탕으로 건물 및 건설현장 등의 화재 발생 여부를 탐지하여, 초기에 화재를 진압·대응하고 향후 CCTV를 활용한 화재 감지 및 예측 모니터링 운영체계로 확대.
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 비디오 , 이미지 데이터 형식 mp4, jpg 데이터 출처 소방청, 각종 소방본부, 방재시험연구원 라벨링 유형 바운딩박스(이미지/동영상) 라벨링 형식 json 데이터 활용 서비스 CCTV를 활용한 실시간 화재 감지 서비스 제공 데이터 구축년도/
데이터 구축량2023년/총 2,381,940장 -
- 데이터 구축 규모
◌ 구축 수량
- 원천데이터 → 동영상 클립(12초) : 5,304개화재 현상 이미지 : 1,909,440장
- 화재현장 주요객체 탐지 이미지 : 472,500장
- 총 238만 장 이상 데이터 구축 (RFP 대비 19% 초과 달성)- 데이터 분포
(충분성, 균등성, 편향성 여부 확인)
◌ 데이터 충분성
- 실제 화재 영상 데이터 확보 가능 (공공 소방본부와 협의)
- 방재시험연구원에서 수행한 화재실험 영상 데이터 20종 이상 확보◌ 데이터 다양성
- 다양한 장소(8종), 화재현장 주요객체(15종). 촬영 각도(4각도 이상) 적용◌ 데이터 균등성 및 편향성 여부
- 발생 시점별 및 화재 원인별 등 다양한 조건 적용데이터 구축 규모 항목 조건 구분 비율(%) 화재 불꽃 40 연기 40 정상 20 발생 시점 초기 33 중기 33 대응 33 화재 원인 전기적 요인 56.8 기계적 요인 27.3 화학적 요인 12.5 가스누출(폭발) 2.3 교통사고 1.1 ※ 최근 5년간 국가화재정보시스템 화재통계 데이터 기반 화재 원인 비율 산정
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드학습 모델 데이터명 AI모델 task AI모델 성능 지표 및 목표값 Data I/O 화재 탐지
동영상
데이터화재 탐지 SlowFast Top-1 Accuracy
90 이상Input data : mp4
output data : text(클래스 종류)- 페이스북에서 2018년에 제안한 방식으로 특징으론 추출하고자 하는 움직임의 특성에 따라 빠른 움직임은 프레임 간격을 넓히고(시간 간격 좁음) 느린 경우는 프레임 간격을 좁혀(시간 간격 넓음) 그 특징을 효율적으로 추출하는 것이 핵심이며 Kinetics, Charades and AVA. 데이터셋에서 높은 평가 점수를 받은 모델
- 성능지표는 https://paperswithcode.com/sota/action-classification-on-kinetics-600 참조
객체 탐지
이미지
데이터AI모델 task AI모델 성능 지표 및 목표값 Data I/O 객체 탐지 YOLOv8 IoU=0.5기준
‘mAP’ 70 이상Input data : jpg
output data : jpg- 빠른 속도와 높은 정확도를 가진 객체 검출 모델 중 하나로, YOLOv8는 더 작은 모델 크기와 더 높은 정확도를 동시에 달성하기 위해 YOLOv4 아키텍쳐를 개선하고 PyTorch로 구현된 YOLOv5 모델에서 성능을 향상시킨 모델 
-
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 데이터 구성
데이터 구성 데이터명 원시데이터 원천데이터 라벨링 데이터 화재 현상 5,304 (mp4) 5,304 (mp4) 1,909,440 장
(json)1,909,440 장 (jpg) 화재현장
주요객체50만 장 이상 (jpg) 472,500 장 (jpg) 472,500 장
(json)계 5,304 개 (mp4) 2,381,940개 (json) 2,381,940 장 (jpg)
- 어노테이션 포맷
- 화재현상어노테이션 포맷 - 화재현상 No 항목 타입 필수
여부속성 설명 한글명 영문명 1 이미지 image object - - 1-1 이미지 포맷 format string Y “jpg” 1-1 이미지 가로길이 width number Y 1920 1-2 이미지 세로길이 height number Y 1080 1-3 이미지 파일 이름 filename string Y “클립넘버_클래스_건물분류_이미지넘버.jpg” 2 속성 attributes object - - 2-1 클래스 class string Y “FL” (불꽃) “SM” (연기) “NONE” (정상) 2-2 화재 원인 fire_reason string Y “cl” (부주의) “ef” (전기적 요인) “mf” (기계적 요인) “cf” (화학적 요인) “cc” (교통사고) 2-3 발생 시점 fire_level string Y “bg” (초기) “tm” (중기) “rp” (대응) 2-4 환경값 condition string Y “no” (낮) “ni” (밤) 2-5 내부 외부 시점 inout string Y “in” (실내) “out” (실외) 2-6 건물 분류 place string Y “GAH” (일반/공동주택) “VTSP” (차량/철도/선박/항공기) “FWW” (공장/창고/작업장) “ENB” (음식점/노래방/주점) “ERBF” (교육연구시설/업무시설) “OLMF” (노유자/숙박/의료시설) “MS” (시장/상점) “RE” (종교/운동) 2-7 촬영 기종 device string N “BC” “CT” “BB” 2-8 촬영 각도 angle number Y 1~180 2-9 영상 초당
이미지 장수fps number Y 30 2-10 촬영 일자 date string Y “YYYY-MM-DD” 2-11 이미지 넘버 scene string Y “클립넘버_이미지넘버” 2-12 수집처 source string Y “수집처이름” 2-133 클립 데이터 clipname string Y “원시 데이터명” 3 카테고리 categories array Y 1 3-1 어노테이션 라벨링 속성 값 ID category_index number Y 1~3 3-2 어노테이션 라벨링 속성 값 ID 이름 category_name string Y “fl” “sm” “none” 4 어노테이션 annotaitons array Y - 4-1 바운딩박스 넘버 bbox_in number N 1~9999 4-2 이미지 넘버 image_id number N 1~9999 4-3 라벨링 카테고리값 categories_id number N 1~3 4-4 영역 area number N - 4-5 바운딩박스 bbox array N 1~10 4-5-1 [x축 원점 좌표, y축 원점 좌표, bbox 가로 길이, bbox 세로 길이] $value$ number N 0~1920
- 화재현장 주요객체어노테이션 포맷 - 화재현장 주요객체 No 속성명 타입 필수
여부속성 설명 한글명 영문명 1 이미지 image object - - 1-1 이미지 포맷 format string Y “jpg” 1-1 이미지 가로길이 width number Y 1920 1-2 이미지 세로길이 height number Y 1080 1-3 이미지 파일 이름 filename string Y “클립넘버_클래스_건물분류_이미지넘버.jpg” 2 속성 attributes object - - 2-1 주요객체 그룹 group string Y “sofa” (소파) “mr” (매트리스) “table” (테이블) “chair” (의자) “car” (자동차) “pallet” (파레트) “curtain” (커튼) “ac” (에어컨) “ep” (전기장판) “ps” (멀티탭) “sb” (배전반) “er” (전기레인지) “ef” (선풍기) “eh” (전기난로) “sign” (간판) 2-3 이미지넘버 Scene string Y 000001 ~ 999999 2-4 환경값 condition string Y “no” (낮) “ni” (밤) 3 카테고리 categories array Y 1 3-1 어노테이션 라벨링 속성 값 ID category_index number Y 1~15 3-2 어노테이션 라벨링 속성 값 ID 이름 category_name string Y “sofa” (소파) “mr” (매트리스) “table” (테이블) “chair” (의자) “car” (자동차) “pallet” (파레트) “curtain” (커튼) “ac” (에어컨) “ep” (전기장판) “ps” (멀티탭) “sb” (배전반) “er” (전기레인지) “ef” (선풍기) “eh” (전기난로) “sign” (간판) 4 어노테이션 annotaitons array Y 1 4-1 바운딩박스 넘버 bbox_in number N 1~9999 4-2 이미지 넘버 image_id number N 1~9999 4-3 라벨링 카테고리 값 categories_id number N 1~15 4-4 영역 area number N - 4-5 바운딩박스 bbox array N 1~10 4-5-1 [x축 원점 좌표, y축 원점 좌표, bbox 가로 길이, bbox 세로길이 $value$ number N 0~1920 - 데이터 포맷
데이터 포맷 데이터명 원시데이터 포맷 원천데이터 포맷 라벨링데이터 포맷 화재 현상 mp4 mp4, jpg json 화재현장
주요객체jpg jpg json
- 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : 한방유비스㈜
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 김민규 연구원 02-2023-5023 kmg6863@kfubis.com 과제 총괄, 데이터 획득(영상 및 이미지 데이터 수령 및 검사) 수행기관(참여)
수행기관(참여) 기관명 담당업무 한국화재보험협회 부설 방재시험연구원 데이터 획득(영상 데이터 촬영, 이미지 데이터 수집) ㈜비전21테크 데이터 가공(라벨링 도구 구축, 데이터 라벨링 생성, 라벨링 데이터 검사) ㈜에이아이리더 AI 모델링(알고리즘 선정, 학습모델 구축 및 검증) ㈜와이즈스톤 품질관리(구축공정 및 구축데이터 품질검사, 학습모델 품질검사) 중앙대학교 산학협력단 데이터 정제(정제 도구 구축, 중복데이터 제거, 비식별화, 데이터 자르기, 캡셔닝) 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 한방유비스㈜ 최두찬 02-2023-5180 cdc4111@kfubis.com 한방유비스㈜ 김민규 02-2023-5023 kmg6863@kfubis.com AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 ㈜에이아이리더 이정록 041-909-7778 rogi97@ai-leader.co.kr ㈜에이아이리더 성보라 041-909-7778 qhfk0904@ai-leader.co.kr 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 ㈜비전21테크 신원선 070-7770-4991 vision21tech@naver.com ㈜비전21테크 최윤장 070-7770-4991 vision21tech@naver.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.