-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-06 데이터 최종 개방 1.0 2023-04-30 데이터 개방 (Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-22 산출물 전체 공개 소개
드론촬영 영상과 위성영상(Skysat, Sentenel-2, Landsat)을 이용하여 국립공원 내 건물, 도로, 시가화건조지역, 논, 밭, 산사태 및 토석류 피해지, 벌목 대상지 등을 분류한 학습용 토지 피복 항공/위성 이미지 데이터로, 국립공원 내 변화를 효율적으로 탐지하기 위한 토지 피복 자동분할(Segmentation) 및 변화지역 탐지 AI 알고리즘 모델 개발에 사용됨
구축목적
기존 국토환경 토지피복 AI 학습용 데이터를 활용하여 자연보호지역인 국립공원 변화(산사태 발생, 벌목, 경작, 불법 시설물 설치 등)에 대한 모니터링 플랫폼 환경을 구축, 증강 및 고도화된 국토환경 토지피복 AI 학습용 데이터의 환류
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 이미지 데이터 형식 TIF 데이터 출처 자체 수집(드론 촬영 및 Sktsat 주문촬영), ESA, USGS 라벨링 유형 세그멘테이션(이미지) 라벨링 형식 TIF, JSON 데이터 활용 서비스 국립공원 변화탐지 및 모니터링 기반 자료 데이터 구축년도/
데이터 구축량2022년/50,000장 -
○ 데이터 구축 규모
- 드론기반(0.1M급) 토지피복 AI 학습용 데이터 20,000장 구축
- 위성기반(0.5M급) 토지피복 AI 학습용 데이터 25,000장 구축
- 위성기반(10M급) 토지피복 AI 학습용 데이터 3,000장 구축
- 위성기반(30M급) 토지피복 AI 학습용 데이터 2,000장 구축데이터 종류 해상도 분류항목 학습데이터 크기 수량 (장) 드론기반 (0.1M급) 0.1m 건물, 하천, 주차장, 도로, 논, 밭(하우스재배지), 해안쓰레기(스티로폼, 그물망, 플라스틱), 1024×1024 20,000 토지피복 AI 학습용 데이터 산림(침엽수림, 활엽수림), 벌목지, 비대상지 Skysat 기반 (0.5M급) 0.5m 건물, 하천, 도로, 논, 밭, 산림, 산사태 및 토석류 피해지, 비대상지 1024×1024 25,000 토지피복 AI 학습용 데이터 Sentinel-2 기반 (10M급) 10m 건물, 하천, 도로, 논, 밭, 산림, 벌목지, 산사태 및 토석류 피해지, 비대상지 1024×1024 3,000 토지피복 AI 학습용 데이터 Landsat 기반 (30M급) 토지피복 AI 학습용 데이터 30m 시가화 건조지역, 농업지역, 산림지역, 초지, 습지, 나지, 수역, 비대상지 512×512 2,000 ○ 데이터 분포
- 클래스별 이미지 분포
드론 : 건물, 하천, 주차장, 도로, 논, 밭(하우스재배지), 해안쓰레기(스티로폼, 그물망, 플라스틱), 산림(침엽수립, 활엽수림), 벌목지, 비대상지
Skysat : 건물, 하천, 도로, 논, 밭, 산림, 산사태 및 토석류 피해지, 비대상지
Sentinel-2 : 건물, 하천, 도로, 논, 밭, 산림, 벌목지, 산사태 및 토석류 피해지, 비대상지
Landsat : 시가화 건조지역, 농업지역, 산림지역, 초지, 습지, 나지, 수역, 비대상지- 드론 클래스별 이미지 분포
구분 클래스별 이미지 수 (장) 비율 (%) 드론 이미지 수 (장) 건물 4,423 22.1 20,000 하천 2,715 13.6 주차장 124 0.6 도로 7,541 37.7 논 1,076 5.4 밭 7,587 37.9 해안쓰레기_스티로폼 243 1.2 해안쓰레기_플라스틱 80 0.4 해안쓰레기_기타 121 0.6 산림_혼효림 11,418 57.1 산림_침엽수림 4,794 24 산림_활엽수림 0 0 벌목지 481 2.4 비대상지 16,461 82.3 
- Skysat 클래스별 이미지 분포
구분 클래스별 이미지 수 (장) 비율 (%) 드론 이미지 수 (장) 건물 2,491 10 25,000 하천 1,196 4.8 도로 2,647 10.6 논 604 2.4 밭 1,957 7.8 산림 24,157 96.6 산사태및토석류 611 2.4 비대상지 21,674 86.7 
- Landsat 클래스별 이미지 분포
구분 클래스별 이미지 수 (장) 비율 (%) 드론 이미지 수 (장) 시가화건조지역 1,146 57.3 2,000 농업지역 1,034 51.7 산림지역 1,775 88.8 초지 0 0 습지 0 0 나지 886 44.3 수역 1,292 64.6 비대상지 2,000 100 
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드인공지능 기반 국립공원 토지피복정보 구획화 및 탐지모델
- 인공지능 기반 토지피복 구획화 모델 SegFormer 선정 : 구축되는 학습데이터를 활용 국립공원 내 토지피복 카테고리(건물, 주차장, 도로, 논, 밭, 활엽수림 등)에 따라 Segmentation이 가능한 SegFormer 기반의 모델을 개발
- 국립공원영역에 대한 드론/위성 영상에서 토지피복정보 10종을 학습하고, 이를 기반으로 토지피복정보를 구획화하고 분류
- 구축되는 학습데이터를 활용 SegFomer 기반 드론/위성 이미지에서 토지피복정보를 구획화하고 구획화 결과를 기반으로 해당영역의 토지피복정보 분류 실행- 모델 성능 : mIoU 0.72
응용(시범) 서비스 개발
- AI 기반 국립공원 변화탐지 모니터링 운용 플랫폼
· 위성·드론 영상을 변화탐지 운용 플랫폼에 등록하면, 등록된 영상을 정의된 국립공원 기준으로 전처리 과정 (격자화, RGB 영상 합성 등등)을 수행
· 전처리된 영상정보를 변화탐지 서비스로 전달하여 과거 영상과 비교하여 변화탐지를 수행하고, 그 결과(변화탐지 결과 영상, Segmentation 영상 정보)를 데이터 저장시스템에 저장 관리
· 데이터 저장 시스템에 저장 관리되는 Segmentation 영상 정보를 다시 변화탐지용 학습 자료로 사용하기 위한 환류 처리 지원
- AI 기반 국립공원 변화탐지 서비스
· 전달받은 전처리 영상 정보를 AI 모델링을 통해 영역 기준으로 한 Segmentation을 수행하고, 결과를 데이터 저장 시스템에 저장
· 입력된 전처리 영상과 동일한 지역 과거 영상을 데이터 저장 시스템에서 조회하고, 두 영상 간의 변화탐지를 수행
· 변화탐지 결과 정보를 데이터 저장 시스템에 기록하고, 변화탐지 결과 정보를 사용자에게 알림
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 국립공원 구성항목 탐지 성능 Object Detection SegFormer mIoU 60 % 72.25 %
※ 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○ 데이터 포맷
- 드론기반 라벨링 데이터원천데이터(*.tif) 라벨링데이터(*.tif) 
메타데이터(*.json) 라벨링데이터(*.json) 
- Skysat기반 라벨링 데이터
원천데이터(*.tif) 라벨링데이터(*.tif) 
메타데이터(*.json) 라벨링데이터(*.json) 
- Sentinel2기반 라벨링 데이터
원천데이터(*.tif) 라벨링데이터(*.tif) 
메타데이터(*.json) 라벨링데이터(*.json) 
- Landsat기반 라벨링 데이터
원천데이터(*.tif) 라벨링데이터(*.tif) 
메타데이터(*.json) 라벨링데이터(*.json) 
○ 데이터 구성
- 드론이미지 어노테이션 포맷구분 타입 필수 여부 범위 항목명 항목설명 type 파일타입 string “FeatureCollection” name 파일명 string 영상자료 파일명 crs 좌표계 object type 좌표타입 string “name” properties 좌표정보 object name 좌표계코드 string “urn:ogc:def:crs:EPSG::32652” features 객체정보 array type 객체타입 string “Feature” properties 객체항목 object ANN_CD 어노테이션 코드 number Y [10, 20, 30, 40, 50, 60, 70, 80, 90, 100] ANN_NM 어노테이션 명 string Y ["건물", "하천", "주차장", "도로", "논", "밭", "해안쓰레기_스티로폼", "해안쓰레기_플라스틱", "해안쓰레기_기타", "산림_혼효림", "산림_침엽수림", "산림_활엽수림", “벌목지”, "비대상지"] geometry 공간정보 object type 어노테이션 방식 string Y “Polygon”, “MultiPolygon” coordinates 폴리곤 점의 좌표 array Y x좌표, y좌표 - Skysat이미지 어노테이션 포맷
구분 타입 필수 여부 범위 항목명 항목설명 type 파일타입 string “FeatureCollection” name 파일명 string 영상자료 파일명 crs 좌표계 object type 좌표타입 string “name” properties 좌표정보 object name 좌표계코드 string “urn:ogc:def:crs:EPSG::32652” features 객체정보 array type 객체타입 string “Feature” properties 객체항목 object ANN_CD 어노테이션 코드 number Y [10, 20, 30, 40, 50, 60, 80, 100] ANN_NM 어노테이션 명 string Y ["건물", "하천", "도로", "논", "밭", "산림", “산사태및토석류”, "비대상지"] geometry 공간정보 object type 도형종류 string Y “Polygon”, “MultiPolygon” coordinates 폴리곤 점의 좌표 array Y x좌표, y좌표 - Sentinel2이미지 어노테이션 포맷
구분 타입 필수 여부 범위 항목명 항목설명 type 파일타입 string “FeatureCollection” name 파일명 string 영상자료 파일명 crs 좌표계 object type 좌표타입 string “name” properties 좌표정보 object name 좌표계코드 string “urn:ogc:def:crs:EPSG::32652” features 객체정보 array type 객체타입 string “Feature” properties 객체항목 object ANN_CD 어노테이션 코드 number Y [10, 20, 30, 40, 50, 60, 70, 100] ANN_NM 어노테이션 명 string Y ["시가화건조지역", "농업지역", "산림지역", "초지", "습지", "나지", "수역", “비대상지”] geometry 공간정보 object type 도형종류 string Y “Polygon”, “MultiPolygon” coordinates 폴리곤 점의 좌표 array Y x좌표, y좌표 - Landsat이미지 어노테이션 포맷
구분 타입 필수 여부 범위 항목명 항목설명 type 파일타입 string “FeatureCollection” name 파일명 string 영상자료 파일명 crs 좌표계 object type 좌표타입 string “name” properties 좌표정보 object name 좌표계코드 string “urn:ogc:def:crs:EPSG::32652” features 객체정보 array type 객체타입 string “Feature” properties 객체항목 object ANN_CD 어노테이션 코드 number Y [10, 20, 30, 40, 50, 60, 80, 100] ANN_NM 어노테이션 명 string Y ["건물", "하천", "도로", "논", "밭", "산림", “산사태및토석류”, "비대상지"] geometry 공간정보 object type 도형종류 string Y “Polygon”, “MultiPolygon” coordinates 폴리곤 점의 좌표 array Y x좌표, y좌표 - 메타데이터 포맷
구분 타입 필수 예시 항목명 항목설명 여부 Image 원시 이미지 정보 img_id 원시 이미지 식별자 String Y LC_AP_00000000_001 img_width 원시 이미지 너비 Number Y 1024 img_height 원시 이미지 높이 Number Y 1024 img_type 원시 이미지 종류 String Y satellite img_coordinate 원시 이미지 좌표계 String Y EPSG:32652 coordinates 원시 이미지 좌상단 좌표 String Y 000, 000 img_resolution 원시 이미지 해상도 Number Y 0.5 img_time 원시 이미지 촬영시기 String Y 20220720 img_weather 원시 이미지 촬영시기 날씨 String Y 0 img_provided 원시 이미지 제공기관 String Y PlanetLabs annotations 어노테이션 정보 Y ann_id 어노테이션 식별자 String Y LC_AP_00000000_001_FGT ann_type 어노테이션 타입 String Y polygon ann_file_type 어노테이션 파일 유형 String Y tif provided 제공기관 정보 Y provided_nm 제공기관명 String Y 한국지능정보사회진흥원 ○ 실제 예시
[
{
"img_id": "DR0901340125_20220922",
"img_width": 1024,
"img_height": 1024,
"img_type": "Dron",
"img_coordinate": "EPSG:32652",
"coordinates": "399832.3841457773, 4062344.6984690456",
"img_resolution": 0.10000000000002274,
"img_time": "20220922",
"img_weather": "0",
"img_provided": "Asia Aero Survey",
"ann_id": "DR0901340125_20220922",
"ann_type": "polygon",
"ann_file_type": "tif",
"provided_nm": ""
}
] -
데이터셋 구축 담당자
수행기관(주관) : ㈜선도소프트
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 최인호 이사 070-5097-097 ihchoi@sundosoft.co.kr 총괄책임 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜아세아항측 학습데이터 구축 ㈜지오포커스 학습데이터 구축 문소프트㈜ 학습데이터 구축, AI 응용서비스 개발 국립공원공단 국립공원연구원 데이터 검수 지원 포항공과대학교 산학협력단 AI 알고리즘 개발 (재)경북융합IT산업기술원 데이터 저장 및 관리 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 최인호 이사 070-5097-097 ihchoi@sundosoft.co.kr
-
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.