콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#문화/관광 #컴퓨터 비전

3D 관광지 데이터(관광명소)

3D-관광지-데이터(관광명소) 아이콘 이미지
  • 분야문화관광
  • 유형 3D , 이미지
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 11,160 다운로드 : 37 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 2023-12-08 데이터 최종 개방
    1.0 2023-07-31 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2024-02-16 산출물 전체 공개

    소개

    o 온라인 관광 서비스 구축, 메타버스 구현, 3차원 가상지 인공지능 모델 연구에 활용 가능한 유명 자연관광지(산·하천·관광명소) 이미지, 3D 관광 데이터를 구축합니다.
    ※ 한국관광공사에서 선정한 <한국관광100선>, <야간관광100선>에서 산·하천 등 자연 관광지를 제외한 관광명소 3곳 이상 포함: 부산, 인천, 울산의 13개 주요 공원 관광명소

    구축목적

    o 메타버스 및 디지털 트윈 환경에서 공공 활용서비스 제공을 목적으로 관광명소에 대해 모델 개발과 차원 공간데이터 등을 지원할 수 있도록 다양한 환경적 요인을 AI적용한 관광지 주요 탐방로에 대한 일반촬영 영상 및 파노라마 영상과 공간데이터를 제공하고자 합니다.
  • ◌ 데이터통계
    - 학습용데이터분포<이미지>

    데이터통계 - 학습용데이터분포<이미지>
    지역위치 POI명칭 수량 비율
    0 00_ 부산 용두산 공원  84,920 7%
    1 01_ 부산 민주공원  80,334 6%
    2 02_ 부산 유엔기념공원  112,606 9%
    3 03_ 부산 시민공원  115,091 9%
    4 04_ 부산 태종대  106,729 8%
    5 05_ 인천 송도센트럴파크  69,893 5%
    6 06_ 인천 부평나비공원  63,899 5%
    7 07_ 인천 대공원  73,017 6%
    8 08_ 인천 월미공원  117,999 9%
    9 09_ 인천 소래포구  80,203 6%
    10 10_ 인천 차이나타운  145,104 11%
    11 11_ 울산 대왕암공원  106,054 8%
    12 12_ 울산 태화강국가정원  144,624 11%
    총수량  1,300,473 100%

     

    학습용데이터분포<포인트클라우드>

    데이터통계 - 학습용데이터분포<포인트클라우드>
    지역위치 POI번호 수량 비율
    0 00_ 부산 용두산 공원 150 2%
    1 01_ 부산 민주공원 330 3%
    2 02_ 부산 유엔기념공원 280 3%
    3 03_ 부산 시민공원 430 4%
    4 04_ 부산 태종대 3,375 34%
    5 05_ 인천 송도센트럴파크 1,340 13%
    6 06_ 인천 부평나비공원 235 2%
    7 07_ 인천 대공원 140 1%
    8 08_ 인천 월미공원 230 2%
    9 09_ 인천 소래포구 420 4%
    10 10_ 인천 차이나타운 625 6%
    11 11_ 울산 대왕암공원 1,845 18%
    12 12_ 울산 태화강국가정원 600 6%
    총수량 10,000 100%

     

     

  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드


    Deep Residual Learning for Image Recognition(K. He al. 2015) 에서 유효성이 검증된 Resnet모델을 적용하였습니다.

    잔차 신경망(殘差 神經網, Residual neural network), 즉 레즈넷(ResNet)은 스킵 연결(skip connection)을 통해 잔차를 학습하도록 만들어진 인공신경망이다. 일반적인 딥러닝 신경망 모델보다 예측 정확도가 높다<출처; 위키>

    - Resnet50 + Faster R-CNN(산하천 21만 세트)
    - Resnet101 + Yolo5(관광지 130만 세트)

    Resnet50 + Faster R-CNN(산하천 21만 세트)

    <출처: arXiv:1512.03385 [cs.CV]>

    <포인트클라우드 관광지 1만 세트>
    CONVPOINT모델은 CONTINUOUS CONVOLUTIONS FOR POINT CLOUD PROCESSING의 약자로 (arXiv:1904.02375v5 [cs.CV] 19 Feb 2020)에서 유효성이 검증된 포인트클라우드 세그멘테이션 모델입니다.
    ConvPoint는 구조화되지 않은 공간상의 점군데이터(포인트 클라우드 데이터) 처리를 위한 연속 컨볼루션 학습모델입니다.

    Resnet101 + Yolo5(관광지 130만 세트)

    <출처: arXiv:1904.02375v5 [cs.CV] 19 Feb 2020>
     

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    ◌ 어노테이션 포맷
    - 이미지

    어노테이션 포맷 - 이미지
    NO 항목 타입 필수여부
    한글명 영문명
    1 기본 정보 information Object Y
      1-1 날짜 date String Y
      1-2 지역 area String Y
      1-3 저작권 copyright String Y
      1-4 계절 season String Y
      1-5 시간 time String Y
    2 이미지 정보 image_info Object Y
      2-1 파일명 filename String Y
      2-2 해상도 resolution String Y
      2-3 촬영각도 angle String Y
      2-4 촬영거리 distance String Y
      2-5 조도 weather String Y
    3 가공 정보 annotation Object Y
      3-1 클래스 분류 class_id String Y
      3-2 가공 방식 type String Y
      3-3 가공 좌표 bbox Array Y
      3-4 짤림여부 truncated Integer Y
      3-5 가림여부 occluded Integer Y
    4 객체 지식정보 class_info Object Y
      4-1 GPS 정보 gps Array Y
      4-2 온톨로지 url class_url String  

     

    - 포인트 클라우드

    어노테이션 포맷 - 포인트 클라우드
    구분 X좌표 Y좌표 Z좌표 R(색상) 값 G(색상) 값 B(색상) 값
    타입 strinng string string integer integer integer
    필수여부 Y Y Y Y Y Y

     

    실제 예시 이미지

    {
      "information": {
        "date": "2022-12-13",
        "area": "부산민주&중앙공원",
        "copyright": "바이브컴퍼니컨소시엄",
        "season": "가을",
        "time": "11:11:00"
      },
      "image_info": {
        "filename": "01.부산민주&중앙공원_0003_대한해협전승한자비석_가을_맑음_근거리_우측면_00094.JPG",
        "resolution": "4032*3024",
        "angle": "우측면",
        "distance": "근거리",
        "weather": "맑음"
      },
      "annotation": [
        {
          "class_id": "대한해협전승한자비석",
          "type": "bbox",
          "bbox": [
            202,
            159,
            3148,
            2665
          ],
          "truncated": 0,
          "occluded": 1
        }
      ],
      "class_info": [
        {
          "gps": [
            35.108398,
            129.028931
          ],
          "class_url": "https://bto.or.kr"
        }
      ]
    }
    포인트클라우드

    X                    Y    Z                    R    G    B
    82.6406021118164    13.25    1.4728000164031982    140    122    122
    72.59369659423828    17.6875    1.6547000408172607    140    122    122
    100.9843978881836    8.6875    1.3438999652862549    140    122    122
    92.375                    8.625    1.0464999675750732    140    122    122
    104.9218978881836    10.1875    1.3700000047683716    140    122    122
    ...

     

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜바이브컴퍼니
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    조필구 02-565-0531 pilku.jo@vaiv.kr 이미지 유효성 검증
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    위프코(주) 데이터 수집, 정제
    ㈜인피닉 데이터 가공, 포인트 클라우드 유효성 검증
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    조필구 02-565-0531 pilku.jo@vaiv.kr
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.