콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#X-ray image # Object detection # 자동 판독 시스템 # 위해물품 # 다중 객체

NEW X-ray 다중 객체 인식 데이터

X-ray 다중 객체 인식 데이터 아이콘 이미지
  • 분야재난안전환경
  • 유형 이미지
구축년도 : 2022 갱신년월 : 2023-11 조회수 : 2,997 다운로드 : 188 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 2023-11-03 데이터 최종 개방
    1.0 2023-06-14 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-11-15 산출물 및 AI 허브 홈페이지 내용 변경
    2023-11-03 산출물 전체 공개

    소개

    본 데이터는 다양한 물품 종의 X-ray 이미지 인식을 위한 것으로 크게 ‘기내 반입금지 위해물품’, ‘정보 저장 매체’, ‘일반 물품’으로 분류되며 총 317개 Class, 541,260장으로 구성됨

    구축목적

    AI Object Detection을 활용한 X-ray 자동 판독 시스템 고도화를 위해 제한적인 Class를 가진 X-ray 이미지 데이터셋의 한계를 극복할 수 있는 다양한 Class를 포함한 X-ray 이미지 데이터셋 구축
  • 1. 데이터 비율

     
    구분 Train Validation Test Total
    X-ray 다중 객체 인식을 위한 X-ray 이미지 학습 데이터셋 비율 80% 10% 10% 100%
    위해물품 144,025 16,688 16,562 177,275
    일반물품 14,324 1,971 1,985 18,280
    정보저장매체 274,659 35,467 35,579 345,705

     

    2. 데이터 분포

     
    구분 수량[장] 비율 설명
    다중 객체 대분류 위해물품 177,275 32.80% - 국토교통부에서 고시한 기내반입금지물품을 기준으로 선정
    136개 품종
    정보저장매체 18,280 3.40% 노트북, USB등 정보 유출이 가능한 물품
    19개 품종
    일반물품 345,705 63.80% 위해물품 및 정보저장매체에 속하지 않는 일반 물품
    242개 품종
    X-ray 촬영 방식 단일 촬영 73,666 13.60% 단일 객체 1개 촬영(배경 물품 미포함)
    복수 촬영 100,809 18.60% 동일 종류 객체 2개 촬영(배경 물품 포함)
    복합 촬영 366,785 67.80% 서로 다른 종류 객체 2개 촬영(배경 물품 포함) 
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    1. 모델 학습
     - Object Detection을 위해 YOLOv5 모델을 사용
     - Instance segmentation을 위해 Swin Transformer 모델을 사용
     - 훈련, 검증, 테스트의 비율은 최대한 8:1:1을 준수하며 YOLOv5와 Swin Transformer 모두 동일한 데이터셋을 사용함

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 객체 탐지 성능 (YOLOv5) Object Detection YOLO v5 mAP 50 % 75 %
    2 객체 탐지 성능 (Swin transformer) Object Detection SwinTransformer mAP 50 % 66.8 %

    ※ 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

    1. 데이터 포맷

    구분  획득(수집) 단계  정제 단계 가공(라벨링) 단계
    데이터 구분 원시데이터 원천데이터 라벨링 데이터
    데이터 형태 PNG 형태의 이미지 파일 PNG 형태의 이미지 파일 JSON 파일 형태로 산출
    데이터 포멧 PNG 896*760 (흑백) PNG 896*760 (컬러) 이미지: PNG (컬러)
    가공데이터: JSON 형태(MS COCO)

     

     - 데이터 예시

     
    구분 예시
    위해물품 위해물품
    정보저장매체 정보저장매체
    일반물품
    일반물품

     

    2. 핵심 데이터 구성

     
    구분 No key 속성 및 내용
    필수  1 file_name 이미지 파일 이름
    필수 2 angle 이미지의 촬영 각도 정보
    필수 3 height 이미지의 높이 픽셀
    필수 4 width 이미지의 넓이 픽셀
    필수 5 image_id 이미지의 id
    필수 6 category_id 클래스 id
    필수 7 bbox 바운딩 박스 좌표
    필수 8 segmentation 세그멘테이션 정보
    필수 9 object_id 촬영 물품의 고유 id
    선택 1 area 마스크 넓이
    선택 2 material_outside 촬영 물품의 주요 외부 재질
    선택 3 material_inside 촬영 물품의 주요 내부 재질
    선택 4 size 촬영 물품의 크기
    선택 5 unit 촬영 물품 크기의 단위

     

    3. 상세 어노테이션 포맷

     
    구분 속성명 타입 필수여부 설명
    1 images     이미지의 정보
      1-1 id number y 이미지의 id
    1-2 file_name string y 이미지 파일 이름
    1-3 angle number y 이미지 촬영 각도(degree)
    1-4 height number y 이미지의 높이 픽셀
    1-5 width number y 이미지의 넓이 픽셀
    2 annotations     어노테이션의 정보
      2-1 id number y 어노테이션 id
    2-2 image_id number y 이미지의 id
    2-3 iscrowd number y crowd 유무
    2-4 category_id number y 클래스 id
    2-5 bbox array y 바운딩 박스 좌표
    2-6 area number n 마스크 넓이
    2-7 segmentation object y 세그멘테이션 정보
    2-8 size array y 이미지 크기 정보
    2-9 counts string y 세그멘테이션 값
    (Run Length Encoding)
    3 categories     카테고리 정보
      3-1 id number y 클래스 id
    3-2 name string y 클래스 name
    3-3 supercategory string n 상위 클래스 name
    4 meta     물품 메타 정보
      4-1 object_id string y 촬영 물품의 고유 id
    4-2 material_outside string n 촬영 물품의 주요 외부 재질
    4-3 material_inside string n 촬영 물품의 주요 내부 재질
    4-4 size number n 촬영 물품의 크기
    4-5 unit string n 촬영 물품 크기의 단위

     

     - 실제 예시

    실제 예시

     

  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜씨유박스
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    권혁진 02-6277-7857 hjkwon@cubox.aero 실무 PM
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜에스에스티랩 데이터 수집
    ㈜슈퍼브에이아이 데이터 가공
    한국산업기술시험원 데이터 품질관리
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    권혁진 02-6277-7857 hjkwon@cubox.aero
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]
    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 -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.