콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#로봇심판

NEW 야구 주요 규칙 판정 영상 데이터

야구 주요 규칙 판정 영상 데이터 아이콘 이미지
  • 분야스포츠
  • 유형 텍스트 , 이미지
구축년도 : 2023 갱신년월 : 2024-10 조회수 : 5,356 다운로드 : 78 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 2024-10-30 데이터 최종 개방
    1.0 2024-08-09 데이터 개방 Beta Version

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2024-08-09 산출물 공개 Beta Version

    소개

    - AI 심판을 통한 야구 경기의 판정 속도 및 객관성·공정성 향상을 위한 야구 경기 규칙 관련, 스트라이크/볼, 파울/페어, 세이프/아웃 등 심판 판정 관련 이미지 데이터

    구축목적

    - AI 심판을 통한 야구 경기의 판정속도 및 객관성 공정성 향상
    - 심판의 편파 판정과 스포츠 도박으로 인한 승부조작 방지
    - 국내 사회인야구, 아마추어 야구, 프로야구 등 야구장 내에서 활용을 통한 공정성 향상으로 건전한 체육 문화 정착
  • 데이터 구축 규모
    1) 라벨링 데이터

    데이터 구축 규모 1) 라벨링 데이터
    항 목  분 류 파일 포맷 제출 수량
    스트라익_볼 스트라익 json 57,000
    json 75,000
    파울_페어 파울 json 11,904
    페어 json 16,104
    세이프_아웃 세이프 json 14,000
    아웃 json 17,510
    파울헛스윙 파울 json 4,000
    헛스윙 json 4,012
    총 수량 199,530

    2) 기타 데이터(궤적 관련)

    데이터 구축 규모 2) 기타 데이터(궤적 관련)
    항목  세부 항목 분 류 파일 포맷 제출 수량
    Other 궤적영상 스트라익/볼 MP4 6,600세트(33,000개)
    궤적데이터 스트라익/볼 TXT 6,600세트(33,000개)
    궤적확인영상 스트라익/볼 AVI 6,600세트(26,400개)
    총 수량 19,800세트(92.400개)

     

    데이터 분포
    1) 전체 파일 규모

    데이터 분포 1) 전체 파일 규모
    판정 항목 조건구분 데이터 수(클립) 비율
    스트라익/볼판정 스트라익/볼 실제 경기에서 신규 취득 (1920*1080, 120fps, 5방향) 6,600 100%
    (파울/페어), (세이프/아웃), (헛스윙/파울) 판정 파울/페어 실제 경기에서 신규 취득 (1920*1080, 120fps, 3방향) 약1,500 19%
    자체 경기에서 신규 취득 (1920*1080, 120fps, 3방향) 약5,900 73.50%
    프로야구 녹화영상에서 추출 600 7.50%
    세이프/아웃 실제 경기에서 신규 취득 (1920*1080, 120fps, 3방향) 약1,500 21%
    자체 경기에서 신규 취득 (1920*1080, 120fps, 3방향) 약4,700 70.40%
    프로야구 녹화영상에서 추출 600 8.60%
    헛스윙/파울 실제 경기에서 신규 취득 (1920*1080, 120fps, 3방향) 1,900 95%
    프로야구 녹화영상에서 추출 100 5%

     

    2) 다양성(통계)

    데이터 분포 2) 다양성(통계)
    구분 다양성 항목명 어노테이션
    속성명 설명 비고
    1 야구 선수 등급별 분포 metaData.Player_career(year) 타자의 경력 구분 1~5년
    5~10년
    10~15년
    15~20년
    20~25년
    25~30년
    2 촬영방향별 분포 1-4) 파일명 “다섯 번째” 항목을 기준으로 2자리씩 검사
    예) CAM030509
    ①②③
    카메라 방향
    “그림 1” 참조
    “그림 1” 참조
    참고 : (1루)=>1루쪽에설치
    • 스트라익/볼, 파울/헛스윙
    홈플레이트 탑샷:01
    우타자(1루): 02
    좌타자(3루): 03
    홈/3루(1루): 04
    홈/1루(3루): 05
    • 세이프/아웃
    1루 베이스(1루): 08
    1루 베이스(3루): 09
    1루 베이스(홈): 10
    2루 베이스(홈): 11
    2루 베이스(1루): 12
    2루 베이스(3루): 13
    3루 베이스(홈): 14
    3루 베이스(3루): 15
    3루 베이스(1루): 16
    홈 베이스(홈): 01
    홈 베이스(1루): 02
    홈 베이스(3루): 03
    • 파울/페어
    홈 베이스(홈): 01
    홈 베이스(1루): 02
    홈 베이스(3루): 03
    내야(1루): 04
    내야(3루): 05
    1루 내야라인(홈): 17
    1루 외야라인(3루): 18
    1루 외야라인(1루): 19
    3루 내야라인(3루): 20
    3루 외야라인(1루): 21
    3루 외야라인(3루): 22
    3 카테고리별 분포 1-4) 파일명 “두 번째” 항목 리그별 구분 독립리그 : 01
    KBO : 02
    대학 : 03
    고등 : 04
    자체경기 : 05
    4 판정별 분포 1-4) 파일명 “첫 번째” 항목 규칙 판정별 분포 스트라익: ST
    볼: BA
    파울: FU 
    페어: FR
    세이프: SA 
    아웃: OU
    파울: FL
    헛스윙: NS
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    - 스트라이크/볼
    ResNet 50 변형 모델로 3차원 공의 궤적 및 타자의 자세 추정에 다른 스트라이크 존 입력으로 스트라이크/볼을 분류 하는 모델

    스트라이크/볼 분류 모델 구조

      - 입력: 타자 스트라이크 존, 3차원 공궤적 (strike 존 근방)
      - 공 궤적 수식으로 계산된 결과 strike/ball (AS: analytic solution)
      - Strike zone은 타자 3차원 pose를 이용하여 analytic하게 만들 수 있음
      - Strike zone 안에서 공이 날아간 경우 strike

     

    - 파울/페어,세이프/아웃/파울/헛스윙
    학습 알고리즘은 객체와 각 객체에 따른 속성을 이용하여 장면을 기술 하는 과정으로 객체 검출과 검출된 객체의 속성을 인식하는 두 단계 인공지능 모델로 이루어짐

    파울/페어,세이프/아웃/파울/헛스윙 모델 구조

    객체 검출은 객체의 특징에 따라 바운딩박스와 폴리곤이 혼합된 형태로 라벨링 되어 있어, 폴리곤을 기준으로 인식을 하되, 바운딩박스 또한 사각 폴리곤 형식으로 적용하고, 사용한 모델은 yolov7 임
    YOLOv7는 Real-time Instance Segmentation on MSCOCO 영역에서 SOTA 성능인 45% 인식율을 나타내고, 기준 논문(Kexin Yi, ...,Joshua B. Tenenbaum, "Neural-Symbolic VQA: Disentangling Reasoning from Vision and Language Understanding" 2019)에서 객체 검출 용으로 사용 된 Mask R-CNN(34.6%, 16위) 대비 더 좋을 성능을 나타냄

    Real-time Instance Segmentation on MSCOCO 순위 그래프

    < Real-time Instance Segmentation on MSCOCO 순위 >

    yolov7 개념도

    < yolov7 개념도 >

    속성 인식은 객체에 대한 각각의 라벨링 정의에 따른 속성을 인식하는데 있어 AttNet(ResNet-50)을 사용 함
    AttNet은 기준 논문(Kexin Yi, ...,Joshua B. Tenenbaum, "Neural-Symbolic VQA: Disentangling Reasoning from Vision and Language Understanding" 2019)에서 객체의 속성 인식용으로 사용된 모델임

    AttNet의 개념도

    < AttNet의 개념도 >

    기존 그래프 내에서 노드와 엣지로부터 정보를 취합하는 GCN(Graph Convolutional Networks) + MLP(multi-layer perceptron) layer에 구조 정보를 추출하는 HGP-SL layer를 추가한 신경망 네트워크

    HGP-SL 훈련모델

    < 그림 > HGP-SL 훈련모델

  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    데이터 설명 :
    ○ AI 심판을 통한 야구 경기의 판정 속도 및 객관성·공정성 향상을 위한 야구 주요 규칙 판정 동영상 및 이미지 데이터 구축
    ○ 인공지능 학습용 데이터 구축량
      - 여러 방향에서 촬영된 야구 규칙 중심의 동영상 클립 및 이미지
      - 야구 주요 규칙 : 스트라이크(Strike), 볼(Ball), 파울(Foul), 페어(Fair), 세이브(Safe), 아웃(Out) + 파울/헛스윙
     ○ AI 임무(task)
      - 투구의 스트라이크/볼 판정
      - 구장 전체를 관망하며 파울/페어 판정
      - 주자의 세이프/아웃 판정
      - 타자의 파울.헛스윙 판정

     

    데이터 구성 :
     1) 라벨링데이터

    데이터 구성 1) 라벨링데이터
    구분 속성명 타입 필수여부 설명 범위 비고
    1 box object Y 선수,공,경기도구,심판 지정    
      1-1 type string Y      
    1-2 location array Y      
      1-2-1 x number Y      
    1-2-2 y number Y      
    1-2-3 width number Y      
    1-2-4 height number Y      
    1-3 label string Y box의 속성값    
    1-4 value array N      
      1-4-1 상태 string N 구체적인 상태    
    1-4-2 위치 string N 규칙상 위치    
    2 polygon object N 경기장 지정    
      2-1 type string N      
    2-2 location array N      
      2-2-1 x1 number N      
      2-2-2 y1 number N      
      2-2-3 x2 number N      
      2-2-4 y2 number N      
      2-2-5 x3 number N      
      2-2-6 y3 number N      
      2-2-7 x4 number N      
      2-2-8 y4 number N      
      2-2-9 x5 number N      
      2-2-10 y5 number N      
    2-3 label string N polygon의 속성값    

     

     2) 메타데이터

    데이터 구성 2) 메타데이터
    구분 속성명 타입 필수
    여부
    설명 범위 비고
    1 metaData object Y      
      1-1 File_name string Y 파일명    
    1-2 File_format string Y 파일 형식    
    1-3 File_resolution string Y 파일 해상도    
    1-4 File_cam_ID string Y 캠 번호    
    1-5 Game_date string Y 일시    
    1-6 Game_weather string Y 날씨    
    1-7 Game_Temperature(Celsius_degree) string Y 온도(섭씨)    
    1-8 Game_humidity(percent) string Y 습도(퍼센트)    
    1-9 Game_wind_direction(degrees) string Y 풍향(섭씨도)    
    1-10 Game_wind_speed(m/s) string Y 풍속(m/s)    
    1-11 Player_height(cm) string Y 선수 키    
    1-12 Player_weight(Kg) string Y 선수 몸무게    
    1-13 Player_grade string Y 선수 소속 리그    
    1-14 Player_position string Y 선수 역할(포지션)    
    1-15 Player_career(year) string Y 선수 경력    
    1-16 Player_bats string Y 치는손    
    1-17 Player_throws string Y 던지는손    
    1-18 Situation_umpire_judgement string Y 현장 심판 판정    
    1-19 Situation_labeled_judgement string Y 라벨 심판 판정    
    1-20 Situation_code string Y 상황 순서 고유값    
    1-21 Ball_labelname string Y 공 라벨 이름    
    1-22 Ball_status string Y 공의 실질적 상태    
    1-23 License string Y 라이센스    
    1-24 Version string Y 버전    
    1-25 Contributer string Y 제작자    
    1-26 Url string Y url    
    1-27 sourcefile string Y 원본파일    

    *Player_carrer(year)

    Player_carrer(year)
    수준 구분 경력 데이터 수집 대상 비고
    L-6 프로야구 9년 이상 kbo 영상 구매 -
    L-5 퓨처스리그 9년 이상 X -
    L-4 독립리그/ 대학부 9년이상 O -
    L-3 고교부 6~8년 O -
    L-2 중등 3~5년 X -
    L-1 초등 1~2년 X -

     

    어노테이션 포맷  

    데이터 구성 - 어노테이션 포맷
    구분 다양성 항목명 어노테이션
    속성명 설명 비고
    1 야구 선수 등급별 분포 metaData.Player_career(year) 타자의 경력 구분 1~5년
    5~10년
    10~15년
    15~20년
    20~25년
    25~30년
    2 촬영방향별 분포 1-4) 파일명 “다섯 번째” 항목을 기준으로 2자리씩 검사
    예) CAM030509
    ①②③
    카메라 방향
    “그림 1” 참조
    “그림 1” 참조
    참고: (1루)=>1루쪽에설치
    • 스트라익/볼,파울/헛스윙
    홈플레이트 탑샷 : 01
    우 타자 (1루) : 02
    좌 타자 (3루) : 03
    홈/3루 (1루) : 04
    홈/1루 (3루) : 05
    • 세이프/아웃
    1루 베이스 (1루) : 08
    1루 베이스 (3루) : 09
    1루 베이스 (홈) : 10
    2루 베이스 (홈) : 11
    2루 베이스 (1루) : 12
    2루 베이스 (3루) : 13
    3루 베이스 (홈) : 14
    3루 베이스 (3루) : 15
    3루 베이스 (1루) : 16
    홈 베이스 (홈) : 01
    홈 베이스 (1루) : 02
    홈 베이스 (3루) : 03
    • 파울/페어
    홈 베이스 (홈) : 01
    홈 베이스 (1루) : 02
    홈 베이스 (3루) : 03
    내야 (1루) : 04
    내야(3루) : 05
    1루 내야 라인 (홈) : 17
    1루 외야 라인 (3루) : 18
    1루 외야 라인 (1루) : 19
    3루 내야 라인 (3루) : 20
    3루 외야 라인 (1루) : 21
    3루 외야 라인 (3루) : 22
    3 카테고리별 분포 1-4) 파일명 “두 번째” 항목 리그별 구분 독립리그 : 01
    KBO : 02
    대학 : 03
    고등 : 04
    자체 경기 : 05
    4 판정별 분포 1-4) 파일명 “첫 번째” 항목 규칙 판정별 분포 스트라익 : ST
    볼 : BA
    파울 : FU 
    페어 : FR
    세이프 : SA 
    아웃 : OU
    파울 : FL
    헛스윙 : NS

     - 채널 별 카메라 번호 및 사진 샘플
    #1 서버(스트라익/볼) & (파울/헛스윙)
     - Cam1 스트라익/볼탑샷 홈 플레이트 => 전체 카메라 채널 넘버 : 1
     - Cam2 스트라익/볼 우 타자 => 전체 카메라 채널 넘버 : 2
     - Cam3 스트라익/볼 좌 타자 => 전체 카메라 채널 넘버 : 3
     - Cam4 스트라익/볼 홈/3루  => 전체 카메라 채널 넘버 : 4
     - Cam5 스트라익/볼 홈/1루  => 전체 카메라 채널 넘버 : 5
     - Cam6 전체경기장 30fps   => 전체 카메라 채널 넘버 : 6
     - Cam7 전광판 30fps      => 전체 카메라 채널 넘버 : 7

    1번 서버(스트라익/볼, 파울/헛스윙) 카메라 방향 및 화각 사진

    [그림 2] 1번 서버(스트라익/볼, 파울/헛스윙) 카메라 방향 및 화각 사진

     

    #2 서버(세이프/아웃)
    -Cam1 1루 베이스 => 전체 카메라 채널 넘버 : 8
    -Cam2 1루 베이스 => 전체 카메라 채널 넘버 : 9
    -Cam3 1루 베이스 => 전체 카메라 채널 넘버 : 10
    -Cam4 2루 베이스 => 전체 카메라 채널 넘버 : 11
    -Cam5 2루 베이스 => 전체 카메라 채널 넘버 : 12
    -Cam6 2루 베이스 => 전체 카메라 채널 넘버 : 13
    -Cam7 3루 베이스 => 전체 카메라 채널 넘버 : 14
    -Cam8 3루 베이스 => 전체 카메라 채널 넘버 : 15

    2번 서버(세이프/아웃) 카메라 방향 및 화각 사진

    [그림 3] 2번 서버(세이프/아웃) 카메라 방향 및 화각 사진

     

    #3 서버(파울/페어)
    -Cam1 (세이프/아웃용 잔여 카메라) 3루베이스=> 전체 카메라 채널 넘버 : 16
    -Cam2 1루 내야 => 전체 카메라 채널 넘버 : 17
    -Cam3 1루 외야 => 전체 카메라 채널 넘버 : 18
    -Cam4 1루 외야 => 전체 카메라 채널 넘버 : 19
    -Cam5 3루 내야 => 전체 카메라 채널 넘버 : 20
    -Cam6 3루 외야 => 전체 카메라 채널 넘버 : 21
    -Cam7 3루 외야 => 전체 카메라 채널 넘버 : 22

    3번서버(파울/페어) 카메라 방향 및 화각 사진

    [그림 4] 3번서버(파울/페어) 카메라 방향 및 화각 사진

     

    실제 예시
    ● 스트라이크/볼

    스트라이크/볼 실제 예시

     

    ● 파울/페어,세이프/아웃/파울/헛스윙

    파울/페어,세이프/아웃/파울/헛스윙

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜컴아트시스템
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    설창훈 070-7122-2300 nardo@comartsystem.com 총괄기획 / 데이터 수집, 정제
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜에어패스 데이터 정제 / 데이터 가공/ 데이터 검수
    ㈜가치랩스 AI 모델링
    (사)대한스포츠문화산업협회 데이터 수집, 정제
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    박철우 070-7122-2303 nbiz@comartsystem.com
    AI모델 관련 문의처
    AI모델 관련 문의처
    담당자명 전화번호 이메일
    김민기 031-460-0029 mingi@gazzi.ai
    저작도구 관련 문의처
    저작도구 관련 문의처
    담당자명 전화번호 이메일
    박종진 02-2205-0551 parkjj@misoinfo.co.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.