-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-01 데이터 최종 개방 1.0 2023-04-30 데이터 개방(Beta Verison) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-01 산출물 전체 공개 소개
연안어장 생태환경에 피해를 유발하는 해양생물 7종(보라성게, 말똥성게, 소라, 고둥, 군소, 별불가사리, 아무르불가사리), 서식지 해조류 2종(감태, 모자반)에 대해 총 15만장 이상의 이미지 데이터를 구축
구축목적
갯녹음 발생 등에 따른 연안어장 생태환경 피해 저감 및 관리 기반 강화에 요구되는 수중탐사 기술과 인공지능 기술을 접목한 모니터링 기법 개발을 위한 인공지능 학습용 해양생물 관련 통합 빅데이터 구축
-
메타데이터 구조표 데이터 영역 농축수산 데이터 유형 이미지 데이터 형식 jpg 데이터 출처 자체 수집 라벨링 유형 바운딩박스, 세그멘테이션 라벨링 형식 JSON 데이터 활용 서비스 해당사항 없음 데이터 구축년도/
데이터 구축량2022년/원천데이터 378,357장(화질개선전 185,352장, 화질개선후 185,352장, 계측데이터 7,653장) 라벨링데이터 193,005장(학습용데이터 185,352장, 계측데이터 7,653장) -
데이터 구축 규모
구분 구축실적 이미지수(장) 객체수(건) 아무르불가사리 17,478 40,640 별불가사리 34,876 81,019 고둥 15,945 227,410 보라성게 61,341 278,005 말똥성게 16,129 49,685 군소 7,809 9,904 소라 16,287 24,693 감태 7,592 46,514 모자반 7,895 64,100 합계 185,352 821,970 데이터 통계
- 수집 지역 분포
구분 구축실적 객체수(건) 비율(%) 제주시 112,963 13.74% 울릉군 3,364 0.41% 동해시 153,268 18.65% 거제시 212,870 25.90% 부산광역시 기장군 15,162 1.84% 부산광역시 해운대구 118 0.01% 부산광역시 사하구 40 0.00% 부산광역시 영도구 45,374 5.52% 고성군 1,714 0.21% 창원시 7,822 0.95% 남해군 1,223 0.15% 포항시 30,488 3.71% 통영시 101,209 12.31% 영덕군 132,936 16.17% 여수시 3,419 0.42% 합계 821,970 100.00% 
- 촬영 수단별 분포
구분 구축실적 이미지수(장) 비율(%) Diver(잠수사) 150,489 81.19% ROV(수중드론) 34,863 18.81% 합계 185,352 100% 
- 촬영 거리별 분포
구분 구축실적 객체수(건) 구성비(%) 아무르불가사리-근거리 4,174 10.30% 아무르불가사리-중거리 19,139 47.10% 아무르불가사리-원거리 17,327 42.60% 별불가사리-근거리 18,221 22.50% 별불가사리-중거리 41,080 50.70% 별불가사리-원거리 21,718 26.80% 고둥-근거리 49,859 21.90% 고둥-중거리 113,156 49.80% 고둥-원거리 64,395 28.30% 감태-근거리 11,923 25.60% 감태-중거리 22,468 48.30% 감태-원거리 12,123 26.10% 보라성게-근거리 46,930 16.90% 보라성게-중거리 106,630 38.40% 보라성게-원거리 124,445 44.80% 말똥성게-근거리 22,384 45.10% 말똥성게-중거리 22,521 45.30% 말똥성게-원거리 4,780 9.60% 모자반-근거리 21,893 34.20% 모자반-중거리 23,143 36.10% 모자반-원거리 19,064 29.70% 군소-근거리 2,828 28.60% 군소-중거리 3,972 40.10% 군소-원거리 3,104 31.30% 소라-근거리 6,432 26.00% 소라-중거리 11,318 45.80% 소라-원거리 6,943 28.10% 
- 클래스(객체)별 최소 수량
구분 구축실적 객체수(건) 비율(%) 아무르불가사리 40,640 4.94% 별불가사리 81,019 9.86% 고둥 227,410 27.67% 보라성게 278,005 5.66% 말똥성게 49,685 33.82% 군소 9,904 6.04% 소라 24,693 7.80% 감태 46,514 1.21% 모자반 64,100 3.00% 합계 821,970 100% 
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드객체 탐지 모델
- 모델 선정
데이터 명 조식동물 및 해적생물 바운딩 박스 데이터 학습 모델 후보 알고리즘 성능지표 선정 여부 선정 사유 인공지능 기반 조식동물 및 해적생물 객체 탐지 모델 1 YOLOv7 조식동물 및 해적생물 탐지 및 분류 mAP@0.5 85% 이상 ○ 1순위 인공지능 기반 조식동물 및 해적생물 객체 탐지 모델 2 YOLOv5s 조식동물 및 해적생물 탐지 및 분류 mAP@0.5 85% 이상 △ 미선정 인공지능 기반 조식동물 및 해적생물 객체 탐지 모델 3 YOLOR 조식동물 및 해적생물 탐지 및 분류 mAP@0.5 85% 이상 △ 미선정 모델 모식도
- 모델 예측 결과
의미론적 분할 모델
- 모델 선정
데이터 명 해조류 폴리곤 데이터 학습 모델 후보 알고리즘 성능지표 선정 여부 선정 사유 인공지능 기반 해조류 의미론적 분할 모델 1 SWIN-L + UperNet 조류동물 탐지 영역 mIoU 70% 이상 ○ 1순위 인공지능 기반 해조류 의미론적 분할 모델 2 HRNET-OCR + UperNet 조류동물 탐지 영역 mIoU 70% 이상 △ 미선정 인공지능 기반 해조류 의미론적 분할 모델 3 U-Net 조류동물 탐지 영역 mIoU 70% 이상 △ 미선정 - 모델 모식도
- 모델 예측 결과
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 바운딩박스 탐지 성능 Object Detection YOLO v7 mAP@IoU 0.5 70 % 84.8 % 2 세그멘테이션 탐지 성능 Object Detection Swin-L mIoU 60 % 81.06 %
※ 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 다운로드데이터 구성
데이터 포맷
- 바운딩박스
- 세그멘테이션
- 라벨링 데이터 속성 구성
구분 속성명 타입 필수 설명 범위 여부 1 info Object Y 데이터셋 일반 정보 1-1 year String N 데이터 구축 연도 2022 1-2 version Number N 데이터 버전 1-3 description String N 데이터 설명 1-4 contributor Array N 데이터 구축 참여기관 "IREMTECH Co., LTD.", "ALLBIGDAT Inc.", "Bukyeong Ocean Engineering & Consultants Co., LTD.", "Pukyong National University" 1-5 url String N 업로드 링크 https://www.aihub.or.kr/ 1-6 date_created String N 데이터 생성 일시 2 licenses Array N 데이터셋 라이선스 정보 3 categories Array Y 레이블 범주 목록 3-1 id number Y Label 카테고리 번호 1 ~ 9 3-2 name string Y 클래스명 "Sea_hare", "Heliocidaris_crassispina", "Asterina_pectinifera", "Asterias_amurensis", "Hemicentrotus", "Conch", "Turbo_cornutus" "Ecklonia_cava", "Sargassum" 3-3 supercategory string Y 4 images Array Y 이미지 속성 4-1 id number N 이미지 일련번호 1~150,000 4-2 file_name string Y 이미지 파일명 4-3 height number Y 원천데이터 높이 2,160 4-4 width number Y 원천데이터 너비 3,840 4-5 license number Y 라이선스 배열의 매핑 4-6 coco_url string Y 이미지 접근 경로 4-7 metadata Array Y 데이터 정보 4-7-1 Temperature number N 촬영 당시 수온 0~40 4-7-2 Salinity number N 촬영 당시 염분 0~40 4-7-3 DO number Y 촬영 당시 용존산소량 0~15 4-7-4 pH number Y 촬영 당시 pH 6~10 4-7-5 Longitude number Y 촬영 장소의 위도 124.6~131.87 4-7-6 Latitude number Y 촬영 장소의 경도 33.11~38.61 4-7-7 Depth number Y 촬영 수심 0~ 4-7-8 Location string Y 조사 지역 4-7-9 Weather number Y 날씨(범주형) 1,2,3 4-7-10 Transparency number Y 촬영 당시 투명도 0~ 4-7-11 Date_created string Y 데이터 수집 일자 4-7-12 Distance number Y 대상물과의 거리(근, 중, 원) 0.5, 1, 1.5 4-7-13 Source_video string N 원본 비디오 파일명 4-7-14 Video_time string N 해당 이미지가 추출된 비디오 시간 4-7-15 Frame_no number N 해당 이미지가 추출된 프레임 번호 0~1,000 4-7-16 Collection_method string Y 원시 데이터 수집 방법 Diver, ROV 5 annotations Array Y 데이터셋 어노테이션 목록 5-1 id Number Y 어노테이션 일련번호 1~1,000,000 5-2 image_id Number Y 이미지 일련번호 1~150,000 5-3 category_id Number Y Label 카테고리 번호 1~9 5-4 bbox Array Y 최외각 박스 좌표 0~3,840 5-5 area Number N 이미지 내 라벨 면적 32~8294400 5-6 iscrowd Number N 복수 개체 라벨링 여부 0(없음) 5-7 Weight Number N 객체 무게(실측) 5-8 Size Number N 객체 크기(실측) 5-9 segmentation Array Y Polygon 좌표 0~3,840 - JSON 형식
-
데이터셋 구축 담당자
수행기관(주관) : ㈜아이렘기술개발
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 이인지 051-723-9594 ij8656@iremtech.co.kr 과제 총괄, 데이터 정제, 데이터 가공 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜부경해양기술 원시데이터 수집 ㈜올빅뎃 데이터 품질 검수 및 교정 부경대학교 산학협력단 AI 모델 구현 및 성능평가
-
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]
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.