-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-12-01 데이터 최종 개방 1.0 2023-07-05 데이터 개방(Beta Version) 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2023-12-20 산출물 전체 공개 소개
한국 상황을 잘 설명할 수 있는 한국형 객체인식 데이터셋 구축하기 위해 60만장의 이미지로부터 행동 분류 및 상호작용을 인식함
구축목적
한국의 지리적 요건 및 객체 특수성을 충족하는 대규모 비전 데이터를 구축하여, 객체인식 분야의 지리적 편향을 해결한 한국형 이미지를 생성하고 구축 대상기반 편향을 해결할 데이터를 확보
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 텍스트 , 이미지 데이터 형식 jpg 데이터 출처 자체 수집 라벨링 유형 텍스트(이미지/동영상) 라벨링 형식 JSON 데이터 활용 서비스 사진 촬영금지 구역 자동 감시 스마트 CCTV 데이터 구축년도/
데이터 구축량2022년/300만 이미지, 300만 라벨링 -
□ 데이터 구축 규모
구분 포맷 목표 실적 비고 원천데이터 *.jpg 600,000건 603,452건 라벨링데이터 *.json 600,000건 603,452건 - 키포인트 60만 SET (17개 1SET) 이상 - HOI 60만개 이상 □ 데이터 분포
ㅇ 원시 데이터
Super Category별 수집 구분Super Category별 수집 구분 Category 카테고리 목표수량 달성수량 퍼센트(%) person 사람 600,000 669,464 111.60% vehicle 탈것 105,000 118,749 113.10% outdoor 실외 85,000 97,983 115.30% animal 동물 45,000 50,175 111.50% accessory 액세서리 80,000 92,448 115.60% sports 스포츠 330,000 401,180 121.60% kitchen 주방 455,000 513,339 112.80% fruits 과일 180,000 212,589 118.10% vegetable 채소 325,000 364,024 112.00% food(western) 음식(서양) 90,000 108,846 120.90% food(eastern) 음식(동양) 110,000 139,833 127.10% furniture 가구 140,000 155,057 110.80% toilet 화장실 30,000 33,913 113.00% indoor 실내 65,000 71,754 110.40% electronic 전자기기 170,000 194,795 114.60% musical instrument 악기 150,000 164,800 109.90% medical equipment 의료기기 40,000 47,419 118.50% Instance별 수집 구분
Instance별 수집 구분 인스턴스 카테고리 목표수량 달성수량 001.person(person) 사람 600,000 669,464 002.bicycle(bicycle) 탈것 10,000 11,104 003.car(sedan) 탈것 5,000 6,109 004.car(suv) 탈것 5,000 6,203 005.car(pickup) 탈것 5,000 5,655 006.car(police_car) 탈것 5,000 6,431 007.car(ambulance) 탈것 20,000 21,395 008.motorcycle(motorcycle(normal)) 탈것 10,000 11,712 009.motorcycle(motorcycle(delivery)) 탈것 10,000 11,184 010.scooter(scooter) 탈것 20,000 21,261 011.bus(bus) 탈것 10,000 11,661 012.truck(truck) 탈것 5,000 6,034 013.traffic_light(traffic_light) 실외 10,000 11,190 014.fire_hydrant(fire_hydrant(outside)) 실외 5,000 6,261 015.fire_extinguisher(fire_extinguisher) 실외 10,000 11,089 016.sign(warning_sign) 실외 5,000 6,207 017.sign(direction_sign) 실외 5,000 6,111 018.sign(restriction_sign) 실외 5,000 7,054 019.trash_bin(trash_bin) 실외 20,000 21,224 020.bench(bench) 실외 5,000 7,377 021.roof(hanok_roof) 실외 20,000 21,470 022.bird(bird) 동물 10,000 11,138 023.cat(cat) 동물 10,000 11,255 024.dog(dog) 동물 5,000 6,712 025.chicken(chicken) 동물 20,000 21,070 026.backpack(backpack) 액세서리 5,000 6,431 027.umbrella(umbrella) 액세서리 10,000 11,219 028.handbag(handbag) 액세서리 5,000 6,056 029.tie(tie) 액세서리 10,000 11,100 030.suitcase(suitcase) 액세서리 10,000 11,592 031.muffler(muffler) 액세서리 20,000 24,863 032.hat(hat) 액세서리 20,000 21,187 033.ball(football) 스포츠 5,000 6,092 034.ball(golfball) 스포츠 5,000 6,760 035.ball(baseball) 스포츠 5,000 6,135 036.ball(tennisball) 스포츠 5,000 6,215 037.ball(basketball) 스포츠 5,000 6,144 038.ball(pilates_ball) 스포츠 5,000 6,025 039.ball(billiards_ball) 스포츠 5,000 7,256 040.poles(poles) 스포츠 20,000 56 041.plate(skis) 스포츠 20,000 37 042.board(board) 스포츠 5,000 28 043.drone(drone) 스포츠 10,000 12,222 044.pilates_equipment(foam_roller) 스포츠 20,000 22,525 045.pilates_equipment(band) 스포츠 10,000 11,836 046.treadmill(treadmill) 스포츠 20,000 28,640 047.dumbbell(dumbbell) 스포츠 20,000 21,780 048.golf_club(golf_club) 스포츠 20,000 23,735 049.billiards_cue(billiards_cue) 스포츠 20,000 21,890 050.skating_shoes(skating_shoes) 스포츠 20,000 20,985 051.tennis_racket(tennis_racket) 스포츠 10,000 11,149 052.badminton_racket(badminton_racket) 스포츠 20,000 21,699 053.goalpost(goalpost) 스포츠 20,000 23,601 054.basketball_hoop(basketball_hoop) 스포츠 20,000 24,182 055.carabiner(carabiner) 스포츠 20,000 21,992 056.table_tennis_racket(table_tennis_racket) 스포츠 20,000 39,974 057.rice_cooker(steamer_rice_cooker) 주방 5,000 5,909 058.rice_cooker(electric_rice_cooker) 주방 20,000 21,277 059.gas_stove(gas_stove) 주방 20,000 21,108 060.pot(pot) 주방 20,000 20,798 061.pan(pan) 주방 20,000 24,072 062.microwave(microwave) 주방 5,000 6,136 063.toaster(toaster) 주방 5,000 8,448 064.knives(knives) 주방 20,000 21,036 065.chopping_boards(chopping_boards) 주방 20,000 20,943 066.ladle(ladle) 주방 20,000 23,997 067.silicon_spatula(silicon_spatula) 주방 20,000 21,927 068.rice_spatula(rice_spatula) 주방 20,000 21,648 069.vegetable_peeler(vegetable_peeler) 주방 20,000 21,021 070.box_grater(box_grater) 주방 5,000 6,248 071.scissors(scissors) 주방 20,000 21,683 072.bowl(bowl) 주방 5,000 6,189 073.bowl(mixing_bowl) 주방 5,000 6,014 074.bowl(earthenware_bowl) 주방 5,000 6,050 075.bowl(jar) 주방 5,000 6,086 076.bowl(colander) 주방 5,000 6,082 077.cutlery(spoon) 주방 5,000 5,209 078.cutlery(chopsticks) 주방 20,000 21,496 079.cutlery(knife) 주방 5,000 6,406 080.cutlery(fork) 주방 5,000 6,565 081.plate(plate) 주방 20,000 21,062 082.side_dish(side_dish) 주방 20,000 21,086 083.tray(tray) 주방 20,000 22,605 084.mug(mug) 주방 20,000 21,476 085.refrigerator(refrigerator(normal)) 주방 5,000 5,994 086.refrigerator(gimchi_refrigerator) 주방 10,000 555 087.dish_washer(dish_washer) 주방 20,000 3,142 088.espresso_machine(espresso_machine) 주방 20,000 21,113 089.purifier(purifier) 주방 20,000 21,344 090.banana(banana) 과일 20,000 21,156 091.apple(apple) 과일 5,000 6,060 092.grape(grape) 과일 20,000 22,770 093.pear(pear) 과일 20,000 23,135 094.melon(melon) 과일 20,000 21,154 095.cucumber(cucumber) 과일 20,000 22,406 096.watermelon(watermelon) 과일 20,000 21,134 097.orange(orange) 과일 5,000 6,064 098.orange(tangerine) 과일 5,000 6,121 099.orange(hallabong) 과일 10,000 267 100.peach(peach) 과일 5,000 6,395 101.strawberry(strawberry) 과일 5,000 305 102.plum(plum) 과일 20,000 22,176 103.persimmon(persimmon) 과일 5,000 6,305 104.lettuce(lettuce) 채소 20,000 21,201 105.cabbage(cabbage) 채소 20,000 21,348 106.radish(radish) 채소 20,000 23,727 107.perilla_leaf(perilla_leaf) 채소 20,000 22,612 108.garlic(galic(normal)) 채소 10,000 11,578 109.garlic(galic(opened)) 채소 10,000 11,086 110.onion(onion) 채소 20,000 21,426 111.spring_onion(spring_onion) 채소 20,000 22,685 112.carrot(carrot) 채소 5,000 6,057 113.corn(corn) 채소 20,000 23,111 114.potato(potato) 채소 20,000 21,506 115.sweet_potato(sweet_potato) 채소 20,000 21,137 116.egg_plant(egg_plant) 채소 20,000 21,931 117.tomato(tomato) 채소 20,000 21,981 118.pumpkin(pumpkin) 채소 20,000 23,154 119.squash(squash) 채소 20,000 21,969 120.chili(chili) 채소 20,000 21,413 121.pimento(pimento) 채소 10,000 12,696 122.pimento(paprika) 채소 10,000 13,406 123.sandwich(sandwich) 음식(서양) 10,000 11,709 124.hamburger(hamburger) 음식(서양) 10,000 11,897 125.hotdog(hotdog) 음식(서양) 5,000 6,014 126.pizza(pizza) 음식(서양) 10,000 11,931 127.donut(donut) 음식(서양) 5,000 6,165 128.cake(cake) 음식(서양) 10,000 13,320 129.cake(pancake) 음식(서양) 10,000 12,598 130.cake(cupcake) 음식(서양) 10,000 12,957 131.white_bread(white_bread) 음식(서양) 10,000 11,186 132.icecream(icecream) 음식(서양) 10,000 11,069 133.ttoke(garaettoke) 음식(동양) 10,000 11,129 134.ttoke(songpyun) 음식(동양) 10,000 11,377 135.tteokbokki(tteokbokki) 음식(동양) 10,000 13,556 136.kimchi(kimchi) 음식(동양) 10,000 12,340 137.kimchi(kimchi(bachelor)) 음식(동양) 5,000 6,073 138.kimchi(kimchi(radish)) 음식(동양) 5,000 7,872 139.gimbap(gimbap) 음식(동양) 10,000 11,077 140.gimbap(triangle_gimbap) 음식(동양) 10,000 12,728 141.sushi(sushi) 음식(동양) 10,000 18,587 142.sushi(tofu_sushi) 음식(동양) 10,000 12,232 143.mandu(mandu) 음식(동양) 10,000 11,776 144.gonggibap(gonggibap) 음식(동양) 10,000 11,086 145.couch(couch) 가구 5,000 5,921 146.mirror(mirror) 가구 20,000 22,750 147.window(window) 가구 20,000 21,029 148.table(table) 가구 30,000 33,227 149.table(desk) 가구 10,000 12,764 150.lamp(lamp) 가구 20,000 21,660 151.door(door) 가구 20,000 20,932 152.chair(chair) 가구 5,000 6,138 153.bed(bed) 가구 10,000 10,636 154.toilet_bowl(toilet_bowl) 화장실 10,000 12,621 155.washstand(washstand) 화장실 20,000 21,292 156.book(book) 실내 5,000 5,515 157.clock(clock(table)) 실내 5,000 6,059 158.clock(clock(wall)) 실내 5,000 5,981 159.doll(doll) 실내 20,000 21,160 160.hair_drier(hair_drier) 실내 5,000 6,214 161.toothbrush(toothbrush) 실내 5,000 5,741 162.hair_brush(hair_brush) 실내 20,000 21,084 163.tv(tv) 전자기기 5,000 6,237 164.laptop(laptop) 전자기기 10,000 11,003 165.mouse(mouse) 전자기기 5,000 6,136 166.keyboard(keyboard) 전자기기 10,000 11,388 167.cell_phone(cell_phone) 전자기기 40,000 40,970 168.watch(watch(normal)) 전자기기 10,000 11,063 169.watch(smartwatch) 전자기기 10,000 11,182 170.camera(camera) 전자기기 20,000 26,142 171.speaker(speaker) 전자기기 20,000 21,303 172.fan(fan(stand)) 전자기기 5,000 6,139 173.fan(fan(wall)) 전자기기 5,000 6,084 174.fan(fan(fanless)) 전자기기 5,000 8,168 175.fan(fan(handy)) 전자기기 5,000 6,216 176.air_conditioner(air_conditioner(stand)) 전자기기 10,000 11,001 177.air_conditioner(air_conditioner(ceiling)) 전자기기 10,000 11,763 178.piano(piano) 악기 20,000 21,320 179.tambourine(tambourine) 악기 5,000 6,066 180.castanets(castanets) 악기 5,000 6,101 181.guitar(guitar) 악기 20,000 21,020 182.violin(violin) 악기 20,000 20,994 183.flute(flute) 악기 20,000 21,499 184.recorder(recorder) 악기 20,000 23,615 185.xylophone(xylophone) 악기 20,000 21,920 186.ocarina(ocarina) 악기 20,000 22,265 187.thermometer(thermometer) 의료기기 20,000 22,045 188.sphygmomanometer(sphygmomanometer) 의료기기 5,000 6,161 189.blood_glucose_meter(blood_glucose_meter) 의료기기 5,000 6,657 190.defibrillator(defibrillator) 의료기기 5,000 6,524 191.massage_gun(massage_gun) 의료기기 5,000 6,032 040.shuttlecock(shuttlecock) 스포츠 20,000 21,381 041.hulahoop(hulahoop) 스포츠 20,000 22,618 042.gripper(gripper) 스포츠 5,000 6,223 086.whisk(whisk) 주방 10,000 12,097 087.tongs(tongs) 주방 20,000 26,517 099.jujube(jujube) 과일 10,000 16,819 101.chestnuts(chestnuts) 과일 5,000 10,322 -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드
ㅇ 사진 촬영금지 구역 자동 감시 스마트 CCTV
박물관 내에서는 촬영이 금지되는 구역이 있고 해당 장소에서 촬영은 피사체의 해로운 영향을 미칠 수 있으므로 해당 행위를 금지하기 위해 자동으로 카메라 촬영 객체를 찾는 알람이 필요
예술 및 공연 등 저작권과 관련된 장소에서 금지 행동을 찾아 사용자에게 경고하여 알림 -
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 Human Pose Estimation Pose Estimation KAPAO AP@OKS 62 % 69.69 % 2 Human-Object Interaction Detection Object Detection HOTR AP 50 % 51.84 %
※ 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 다운로드구분 항목명 타입 필수여부 설명 비고 1 info Object 데이터셋정보 coco기본정보 1-1 info.description String Y 데이터셋명칭 1-2 info.version String Y 데이터셋버전 1-3 info.year String Y 데이터셋생성년도 2 categories Arr[Obj] 카테고리 정보 2-1 categories.id Number Y 카테고리 아이디 150개 main Categories (object) ID 2-2 categories.supercategory String Y 카테고리 대분류 17개 super Category (class) person, animal 등 2-3 categories.name String Y 카테고리 소분류(이름) 150개 main Categories (object) 이름 person, dog 등 2-4 categories[].keypoints Arr[string] N 카테고리 키포인트 정보 [“nose”, “left eye” ...] 2-5 categories[].skeleton Arr[Arr[num]] N 카테고리 스켈레톤 정보 [[1, 2], [2, 3] ...] 3 action_categories Arr[Obj] 상호작용카테고리 3-1 action_categories.id Number Y 상호작용 카테고리 id 3-2 action_categories.name String Y 상호작용 카테고리 이름 “hold”, “kick” “sit” 등 4 images Arr[Obj] 이미지정보 4-1 images[].id Number Y 이미지식별자 식별 가능한 임의의 숫자 id 부여 4-2 images[].width Number Y 이미지너비 4-3 images[].height Number Y 이미지높이 4-4 images[].file_name String Y 이미지파일명 원천 이미지 파일명 예) VID_0000461_person_0002.jpg 4-5 date_created String N 이미지촬영일자 5 annotations Arr[Obj] 어노테이션정보 5-1 annotations[].id Number Y 어노테이션ID 5-2 annotations[].image_id Number Y 이미지ID 5-3 annotations[].category_id Number Y 카테고리ID 5-4 annotations[].bbox Arr[Num] Y 객체 Bounding Box 정보 [x, y, width, height] 5-5 annotations[].keypoints Arr[num] N 객체 Keypoints 정보 [x1, y1, v1, ...] 5-6 annotations[].iscrowd Number N 객체끼리의 그룹 정보 null 가능 5-7 annotations[].area Number N 객체 영역 정보 null 가능 6 actions Arr[Obj] Y HOI 라벨링 정보 6-1 actions.image_id Number Y HOI 이미지 ID 6-2 actions.boxes_h Arr[num] Y HOI Human 박스 리스트 [xcenter, ycenter ...] 6-3 actions.boxes_o Arr[num] Y HOI Obj [xcenter, ycenter ...] 박스 리스트 6-4 actions.object Number Y HOI Obj 박스 카테고리 id 6-5 actions.name Number Y HOI 액션 카테고리 id □ 라벨링 데이터 실제 예시
□ 라벨링 전후 이미지 예시
□ Keypoint 분류표
ㅇ 사람: 17개 영역No. 분류 영문명 1 코 nose 2 왼쪽 눈 left_eye 3 오른쪽 눈 right_eye 4 왼쪽 귀 left_ear 5 오른쪽 귀 right_ear 6 왼쪽 어깨 left_shoulder 7 오른쪽 어깨 right_shoulder 8 왼쪽 팔꿈치 left_elbow 9 오른쪽 팔꿈치 right_elbow 10 왼쪽 손목 left_wrist 11 오른쪽 손목 right_wrist 12 왼쪽 골반 left_hip 13 오른쪽 골반 right_hip 14 왼쪽 무릎 left_knee 15 오른쪽 무릎 right_knee 16 왼쪽 발목 left_ankle 17 오른쪽 발목 right_ankle ㅇ 포유류 : 최대 16개 영역
No. 분류 영문명 1 왼쪽 앞다리 발 L_F_Paw 2 왼쪽 앞다리 관절 L_F_Knee 3 왼쪽 앞다리 상부 L_F_Elbow 4 왼쪽 뒷다리 발 L_B_Paw 5 왼쪽 뒷다리 관절 L_B_Knee 6 왼쪽 뒷다리 상부 L_B_Elbow 7 오른쪽 앞다리 발 R_F_Paw 8 오른쪽 앞다리 관절 R_F_Knee 9 오른쪽 앞다리 상부 R_F_Elbow 10 오른쪽 뒷다리 발 R_B_Paw 11 오른쪽 뒷다리 관절 R_B_Knee 12 오른쪽 뒷다리 상부 R_B_Elbow 13 꼬리 시작점 TailBase 14 왼쪽 귀 L_EarBase 15 오른쪽 귀 R_EarBase 16 코 Nose No. 분류 영문명 1 부리 Beak 2 정수리 Crown 3 왼쪽 눈 Left_Eye 4 왼쪽 다리 Left_Leg 5 왼쪽 날개 Left_Wing 6 오른쪽 눈 Right_Eye 7 오른쪽 다리 Right_Leg 8 오른쪽 날개 Right_Wing 9 꼬리 Tail 주: 분류 기준은 Aligned to the Object, not to the Image: A Unified Pose-aligned Representation for Fine-grained Recognition 논문 내 조류 키포인트 분류를 참조
□ HOI 라벨링 분류표
No. 분류 영문명 No. 분류 영문명 1 맞추다, 조정하다 adjust 42 주차하다 park 2 모으다, 조립하다 assemble 43 껍질을 벗기다 peel 3 막다, 차단하다 block 44 어루만지다 pet 4 불다 blow 45 고르다 pick 5 ~으로 빗질하다 brush_with 46 가리키다 point 6 사다 buy 47 붓다 pour 7 옮기다 carry 48 당기다 pull 8 잡다 catch 49 밀다 push 9 추적하다 chase 50 읽다 read 10 확인하다 check 51 수리하다 repair 11 청소하다 clean 52 타다 ride 12 통제하다 control 53 놓다 set 13 요리하다 cook 54 앉다 sit 14 자르다 cut 55 냄새를 맡다 smell 15 드리블하다 dribble 56 찌르다 stab 16 술을 마시다 drink_with 57 위에 서있다 stand_on 17 말리다 dry 58 아래에 서있다 stand_under 18 먹다 eat 59 젓다 stir 19 떠나다 exit 60 걸터 앉다 straddle 20 먹이를 주다 feed 61 스윙을 하다 swing 21 채우다 fill 62 대화하다 talk_on 22 뒤집다 flip 63 가르치다 teach 23 (변기의) 물을 내리다 flush 64 문자를 보내다 text_on 24 환영하다 greet 65 던지다 throw 25 (곡식 등을) 갈다 grind 66 묶다 tie 26 동물 털을 손질하다 groom 67 굽다 toast 27 때리다 hit 68 훈련하다 train 28 잡다 hold 69 타이핑 하다 type_on 29 껴안다 hug 70 걷다 walk 30 점검하다 inspect 71 씻다 wash 31 설치하다 install 72 보다 watch 32 차다 kick 73 손짓하다 wave 33 입맞추다 kiss 74 입다 wear 34 기대다 lie_on 75 지퍼로 잠그다 zip 35 들어올리다 lift 76 악수하다 shake_hands 36 (짐을) 싣다 load 77 쓰다 write 37 만들다 make 78 전화하다 call 38 상호작용없음 no_interaction 79 촬영하다 shoot 39 열다 open 80 연주하다 play 40 작동시키다 operate 81 닫다 close 41 (짐을) 싸다 pack □ Key point 클래스
ㅇ 사람 (※ 분류 기준은 MS-COCO Keypoint Dataset의 분류를 따름)
No. 분류 영문명 1 코 nose 2 왼쪽 눈 left_eye 3 오른쪽 눈 right_eye 4 왼쪽 귀 left_ear 5 오른쪽 귀 right_ear 6 왼쪽 어깨 left_shoulder 7 오른쪽 어깨 right_shoulder 8 왼쪽 팔꿈치 left_elbow 9 오른쪽 팔꿈치 right_elbow 10 왼쪽 손목 left_wrist 11 오른쪽 손목 right_wrist 12 왼쪽 골반 left_hip 13 오른쪽 골반 right_hip 14 왼쪽 무릎 left_knee 15 오른쪽 무릎 right_knee 16 왼쪽 발목 left_ankle 17 오른쪽 발목 right_ankle ㅇ 동물 (※ 분류 기준은 동물 키포인트 데이터 중 StanfordExtra, Animal-pose Dataset에서 공통적으로 활용하고 있는 분류를 따름)
분류 영문명 1 왼쪽 앞다리 발 L_F_Paw 2 왼쪽 앞다리 관절 L_F_Knee 3 왼쪽 앞다리 상부 L_F_Elbow 4 왼쪽 뒷다리 발 L_B_Paw 5 왼쪽 뒷다리 관절 L_B_Knee 6 왼쪽 뒷다리 상부 L_B_Elbow 7 오른쪽 앞다리 발 R_F_Paw 8 오른쪽 앞다리 관절 R_F_Knee 9 오른쪽 앞다리 상부 R_F_Elbow 10 오른쪽 뒷다리 발 R_B_Paw 11 오른쪽 뒷다리 관절 R_B_Knee 12 오른쪽 뒷다리 상부 R_B_Elbow 13 꼬리 시작점 TailBase 14 왼쪽 귀 L_EarBase 15 오른쪽 귀 R_EarBase 16 코 Nose -
데이터셋 구축 담당자
수행기관(주관) : ㈜메트릭스
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 박두진 02-6244-0791 dale@metrix.co.kr 과제 총괄 책임자 수행기관(참여)
수행기관(참여) 기관명 담당업무 ㈜더바이럴 수집/정제 ㈜데이터메이커 가공/검수 ㈜제론테크 모델링 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 박두진 02-6244-0791 dale@metrix.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.