콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#AI 요가 # AI 요가 동작데이터 # 요가 AI 학습데이터 # 요가 동작데이터 # 요가

NEW 요가 동작 데이터

요가 동작 데이터 아이콘 이미지
  • 분야스포츠
  • 유형 비디오
구축년도 : 2022 갱신년월 : 2024-06 조회수 : 7,863 다운로드 : 36 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 2024-06-19 데이터 최종 개방
    1.0 2023-07-31 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2024-04-02 산출물 전체 공개

    소개

    요가의 대표 동작 50개를 선정, 8개의 카메라로 다각도에서 직접 촬영한 Multi-view 영상 데이터
    초·중·고급 총 120명, 다양한 숙련도의 시연자 동작 영상 데이터와 2D·3D keypoint, 동작 정보 json 데이터셋 구축

    구축목적

    동작분석 AI 기술에 활용되기 위한 Multi-view 영상데이터 및 2, 3차원 절점 태깅 데이터
  • 1. 데이터 구축 규모

     

    데이터는 클립당 약 5~30초, FHD이상의 고해상도로 총 17,215클립 구축

    구분 세부내용
    라벨 데이터 구축 수량 17,200클립
    클립당 길이 약 5~25초
    클립 영상 사이즈(해상도) 2488*2048 px

     

    2. 데이터 분포

     

    다양성 통계 – 인공지능 학습용 데이터의 주요 특성을 통계적 방법으로 분석
    충분성, 균등성, 편향성 여부 확인

    구분 분포 기준 비고
    다양성
    (통계)
    동작별 시연자 성별 분포 구분 분포 성별 다양성을 확보하기 위하여 전체 시연자 대비 남성 시연자 11% 확보해 분포 확인
    여성 89%
    남성 11%
    동작 시연자 연령 분포 구성 분포 연령에 편향성이 없도록 최대한 다양한 연령대의 시연자를 확보

    표기한 바와 같이 고른 분포의 데이터 구축
    구성 분포
    20대 이하 13.64
    30대 22.73
    40대 32.73
    50대 28.18
    60대 이상 2.73

     

    다양성 요건 – 인공지능 학습용 데이터의 주요 학습요건 충족을 통계적 방법으로 검사
    충분성, 균등성, 편향성 여부 확인

    구분 분포 기준 비고
    다양성
    (요건)
    동작시연자
    숙련도 분포
    구성비   수량 비율 수준별 다양성을 확보하기 위하여 숙련도별로 초급 26명, 중급 30명, 고급 51명으로 확보
    초급 26명 24%
    중급 30명 27%
    고급 51명 49%
    합계 120명 100%
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    1. 학습 모델 후보

     

    ■  임무 정의
    ● 동작 분류 (motion recognition)
    ● 동작 유사도 측정 (motion similarity measure)

    학습 모델 후보 알고리즘 성능지표 선정 여부 선정 사유
    동작 분류 모델 PoseC3D top-3 accuracy 85% 이상 1순위
    동작 유사도 측정 모델 BPE model auroc 60% 이상 1순위

     

    구분 고려사항 설명
    1 적합성 요가 동작 데이터를 학습하기에 적합한 모델인가?
    2 실현 가능성 해당 모델을 구현하고 있는 믿을 만한 open-source가 존재하는가?
    3 최신성 해당 분야의 최신 SOTA 모델인가?
    4 선정 절차 1) 선정기준에 적합한 후보 리스트업
    2) 1cycle 데이터를 이용하여 학습모델 개발
    3) 성능 평가
    4) 최적 학습모델 선정

     

    2. 학습 모델 개발


    ■ 동작 분류 모델

    - (개발 목표) 다양한 수준의 시연자들에 의해 생성된 전문 동작 데이터를 학습하고, 이를 기반으로 음성 대상 동작을 분류

    - (개발 내용) 구축되는 학습데이터를 사용하여 PoseC3D 모델을 학습하고, 학습된 모델을 사용하여 동작분류 시행 

     

    ■ 동작 유사도 측정 모델

    - (개발 목표) 다양한 수준의 시연자들에 의해 생성된 전문 동작 데이터 쌍 (pair)에 대해, 동작 유사도 측정

    - (개발 내용) 축되는 학습데이터에 BPE model을 적용하여 유사도 값 확인

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 동작 분류 성능 Image Classification PoseC3D AccuracyTop-3 80 % 98.58 %
    2 유사도 측정값 Prediction BPE AUC-ROC 0.6 단위없음 0.9751 단위없음

    ※ 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. 데이터 포맷

    구분 데이터 포맷
    동작 영상 데이터 포맷 ***.mp4
    2D, 3D keypoint 포맷 ***.csv
    동작 및 시연 정보 메타데이터 포맷 ***.json

    - 데이터 셋은 한 클립의 동작 영상당, 1) 8개의 2D 키포인트 데이터 2) 1개의 3D 키포인트 데이터 3) 1개의 JSON 데이터(메타데이터)로 구성됨

     

    1) 동작 영상 데이터 포맷 : mp4

    mp4 예시
    동작 영상 데이터 포맷 mp4 예시 영상 데이터 mp4와 txt파일과 저장 위치 이미지

     

    2) 2D keypoint 포맷 : csv

    2D keypoint 예시
    2D keypoint 예시 1
    2D keypoint 예시 2

     

    3) 3D keypoint 포맷 : csv

    3D keypoint 예시
    3D keypoint 예시 1

    3D keypoint 예시 2

     

    4) 동작 및 시연정보 메타데이터 포맷

    동작 및 시연정보 메타데이터 포맷
    동작 및 시연정보 메타데이터 포맷

     

    2. 어노테이션 포맷

    구분 속성명 데이터 타입 필수여부 설명 작성예시
    1 fps number Y frame rate “30”
    2 annotations {} object Y 어노테이션  
      2-1 start_frame number Y 동작 시작 프레임 “149”
      2-2 end_frame number Y 동작 끝 프레임 “1326”
      2-3 start_time number Y 동작 시작 시간 “1.1333333”
      2-4 end_time number Y 동작 끝 시작 “10.033333”
      2-5 category_1 String Y 분류 체계 1 “파당구쉬타사나”
    3 actor {} object Y 동작 시연자 정보  
      3-1 level String Y 시연자의 숙련도 “고급”
      3-2 gender String Y 시연자의 성별 “여성”
      3-3 age number Y 시연자의 나이 “36”
  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜이루온아이앤에스
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    김혜선 070-4489-1085 veryoung@eluonins.com 사업 총괄 PM
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    대한브레이킹경기연맹 품질관리 지원
    행복한상상(주) 동작 정의 및 움직임 분석, 시연자 관리, 동작 분류
    나무기술(주) 저작도구 개발 및 지원
    ㈜지앤지인터내셔널 수집도구 개발 및 기술지원
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    김혜선 070-4489-1085 veryoung@eluonins.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] [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.