콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#차로 위반 상황 인지 데이터셋 # 교통영상 데이터셋 # 버스 외부 영상 데이터셋

차로 위반 영상 데이터

차로 위반 영상
  • 분야교통물류
  • 유형 이미지
구축년도 : 2021 갱신년월 : 2022-11 조회수 : 5,706 다운로드 : 214 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 2022-11-03 원천데이터 및 라벨링데이터 추가 개방
    1.0 2022-07-28 데이터 최초 개방

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2022-10-20 신규 샘플데이터 개방
    2022-07-28 콘텐츠 최초 등록

    소개

    ‘차로 위반 영상 데이터’는 차로 위반 교통단속, 도로 안전시설 점검, 자율주행 차량의 안전, 자율주행 동적 정보 업데이트 등에 활용할 수 있음

    구축목적

    차로 위반 상황 인지 데이터셋 구축과 이를 활용한 서비스 개발을 통하여, 차로 위반으로 인해 발생하는 교통사고를 예방하고 교통사고 발생 시 피해를 줄일 수 있으며, 자율 주행 차량의 안전 체계 구축에 기여할 수 있음
  • 데이터 통계

    • 차선, 차량, 위반 여부의 3가지 클래스를 기준으로 데이터셋 구축
      차로 위반 영상-데이터 통계_1
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    차량 인식 모델
    차로 위반 영상-차량 인식 모델_1

     

    차선 인식 모델
    차로 위반 영상-차선 인식 모델_1

     

    위반 탐지 모델

    차로 위반 영상-위반 탐지 모델_1

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 위반상황 이미지 분류 Image Classification ResNet F1-Score 0.85 0.9633
    2 폴리곤 객체 인식(차량) Image Classification mask R-CNN mAP 85 % 98.71 %
    3 폴리곤 객체 인식(차선) Image Classification mask R-CNN mAP 85 % 94.91 %

    ※ 데이터 성능 지표가 여러 개일 경우 각 항목을 클릭하면 해당 지표의 값이 그래프에 표기됩니다.

    ※ AI모델 평가 지표에 따라 측정값의 범위, 판단 기준이 달라질 수 있습니다. (ex. 오류율의 경우, 낮을수록 좋은 성능을 내는 것으로 평가됩니다)

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    1. 원시데이터 포맷 예시 (동영상)

    • MP4 포맷의 동영상 클립
    • FHD 해상도
    • 초당 5 프레임

    2. 원천데이터 포맷 예시 (이미지 추출 및 비식별화 이후)

    • JPG 포맷 이미지 실 예시
    • FHD 해상도
    • 비식별화 처리 (사람얼굴, 자동차 번호판, 개인 전화 번호 등)
      차로 위반 영상-원천데이터 포맷 예시 (이미지 추출 및 비식별화 이후)_1

    3. 라벨링데이터 포맷 예시 (JSON)

    • JSON 포맷의 텍스트데이터로 이미지 데이터와 쌍을 이룸
      • 데이터 구성
        차로 위반 영상-라벨링데이터 포맷 예시 (JSON)_1_데이터 구성
      • 어노테이션 포맷
        차로 위반 영상-라벨링데이터 포맷 예시 (JSON)_2_어노테이션 포맷
      • 어노테이션 실제 예시
        차로 위반 영상-라벨링데이터 포맷 예시 (JSON)_3_어노테이션 실제 예시(1)차로 위반 영상-라벨링데이터 포맷 예시 (JSON)_4_어노테이션 실제 예시(2)
  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜디텍
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    이금석 070-8666-7372 stevelee@d-teg.com · 데이터수집, 정제 · 과제 총괄
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜크라우드웍스 · 데이터가공
    ㈜애자일소다 · AI 모델링
    · 홍보
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    이금석 070-8666-7372 stevelee@d-teg.com
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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]
    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.