-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.1 2023-02-21 원천데이터 수정 1.0 2022-07-28 데이터 최초 개방 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-01-02 AI모델 소스코드, AI모델 설명서 수정 2022-10-20 신규 샘플데이터 개방 2022-07-28 콘텐츠 최초 등록 소개
고소작업 및 건설 근로자의 안전 실천의 기본인 안전장구류 검출 데이터 확보 및 안전고리 체결 유무, 과적 적재량, 난간에 기대는 행위, 신호수 위험인지 데이터 확보 및 cctv, lte 기반 안전모에 부착된 카메라, 액션캠을 활용하여 사각지대 없는 고소작업 현장 모니터링 AI응용 서비스를 통한 지능형 고소 작업현장 안전관리 구현
구축목적
고소작업 작업자의 위험 행동 및 주변 상황의 위험 상황을 사전에 감지하여 고소작업 중 발생할 수 있는 사고를 예방하고 사고원인을 인공지능 영상분석을 통하여 근원적인 사고 대책 마련을 위한 인공지능 학습데이터 구축
-
메타데이터 구조표 데이터 영역 재난안전환경 데이터 유형 이미지 데이터 형식 jpg 데이터 출처 정상적인 고소작업 및 위험상황 시나리오 연출을 통해 제작된 영상데이터 라벨링 유형 바운딩박스,키포인트 라벨링 형식 JSON 데이터 활용 서비스 건설현장 및 고소작업 현장 위험 상태 판단 데이터 구축년도/
데이터 구축량2021년/371시간 동영상 / 687,895개 -
1. 통계적 다양성 결과 (TTA 검증 결과)
- 이미지 당 객체 수
1. 통계적 다양성 결과 (TTA 검증 결과) 이미지당 객체 수 Annotation Type 이미지당 객체 수 Box, Keypoint (Box, Keypoint를 하나의 객체로 산출) 1.9개 - Class당 객체 수
- 동적 및 정적 객체
Class당 객체 수 동적 및 정적 객체 0 Class명 개수 비율 WO-01 작업자01,02,03~ 137,005 17.03% WO-02 수신원01,02,03~ 26,902 3.34% WO-03 이동식비계 25,626 3.19% WO-04 안전모 미착용 29,600 3.68% WO-05 안전벨트 미착용 40,656 5.06% WO-06 안전고리 미착용 40,496 5.04% WO-07 안전화 미착용 40,154 4.99% WO-08 고소작업차(렌탈차) 40,024 4.98% WO-09 스카이차 10,874 1.35% SO-01 안전 난간 65,086 8.09% SO-02 안전 발판 58,094 7.22% SO-03 A형 사다리 6,617 0.82% SO-04 내부비계 전도방지대 미설치 28,044 3.49% SO-05 과상승방지봉 미설치 7,384 0.92% SO-06 로프 10,514 1.31% SO-07 고임목 미설치 14,887 1.85% SO-08 안전 덮개 5,377 0.67% SO-09 코킹건 17,024 2.12% SO-10 헤라 26,431 3.29% SO-11 커터칼 7,321 0.91% SO-12 망치 18,907 2.35% SO-14 드릴 28,283 3.52% SO-15 렌치 10,221 1.27% SO-18 니퍼 1,407 0.17% SO-19 와이퍼 6,957 0.87% SO-20 압착기 9,412 1.17% SO-22 테이프 류 11,543 1.44% SO-24 고대 41,256 5.13% SO-25 조명기구 13,205 1.64% SO-26 벽돌 17,779 2.21% SO-27 레미탈 255 0.03% SO-29 콘크리트 벽돌 6,912 0.86% 합계 804,253 100.00% 
- 위험 상황 객체
위험 상황 객체 Class_ID Class명 개수 비율 UA-01 안전고리 미체결 40,499 8.55% UA-02 안전벨트 미착용 40,671 8.58% UA-03 안전화 미착용 40,161 8.48% UA-04 안전모 미착용 29,622 6.25% UA-05 안전 난간에 오르는 행위 7,558 1.60% UA-06 안전 난간 밖으로 몸을 기울이는 행위 7,284 1.54% UA-07 안전 발판 위 2명 이상 오르는 행위 8,287 1.75% UA-08 안전 발판 끝단에서 작업하는 행위 7,580 1.60% UA-09 적재물 위에서 근로자 작업 7,882 1.66% UA-10 적재물을 안전 난간 밖으로 던지는 행위 10,303 2.17% UA-11 안전 난간에 오르는 행위 10,446 2.20% UA-12 안전 난간 밖으로 몸을 기울이는 행위 8,831 1.86% UA-13 안전 발판 위 2명 이상 오르는 행위 19,092 4.03% UA-14 안전 발판 끝단에서 작업하는 행위 9,852 2.08% UA-15 적재물 위에서 근로자 작업 7,893 1.67% UA-16 적재물을 안전 난간 밖으로 던지는 행위 8,995 1.90% UA-17 사다리를 등지고 기대서 작업하는 행위 4,055 0.86% UA-18 보조지지자 미동행 3,966 0.84% UA-19 사다리에 2명 이상 오르는 행위 4,988 1.05% UA-20 사다리 끝단에서 작업하는 행위 3,962 0.84% UA-21 자재 및 공구를 사다리 위에 놓는 행위 3,600 0.76% UA-22 자재 및 공구를 사다리 밑으로 던지는 행위 4,115 0.87% UA-23 안전 난간에 오르는 행위 10,980 2.32% UA-24 안전 난간 밖으로 몸을 기울이는 행위 11,344 2.39% UA-25 안전 발판 위 2명 이상 오르는 행위 10,953 2.31% UA-26 안전 발판 끝단에서 작업하는 행위 11,789 2.49% UA-27 적재물 위에서 근로자 작업 11,404 2.41% UA-28 적재물을 안전 난간 밖으로 던지는 행위 11,369 2.40% UA-30 작업자가 출입문을 여는 행위 12,320 2.60% UC-01 안전 난간 미설치 17,185 3.63% UC-02 안전 발판 미설치 7,445 1.57% UC-03 안전 난간 위 발판 설치 8,156 1.72% UC-04 안전난간 미설치 9,309 1.96% UC-05 전도방지대 미설치 18,375 3.88% UC-06 안전 난간 위 발판 설치 9,228 1.95% UC-07 적재물 위에 사다리 설치 2,172 0.46% UC-08 전도방지대 미설치 2,386 0.50% UC-09 고임목 미설치 7,485 1.58% UC-10 과상승방지봉 미설치 7,385 1.56% UC-11 렌탈차량 통행로 미확보 7,420 1.57% UC-12 전도방지대 미설치 7,473 1.58% 합계 473,820 100% 
- 작업 공정별 분포 결과작업 공정별 분표 결과 작업 공정 process_ID 개수 비율 지표상 목표율 비계작업 A 264,159 38.40% 37.80% 사다리작업 B 43,940 6.39% 6.10% 로프작업 C 7,157 1.04% 1.00% 고소작업대작업 D 179,703 26.12% 27.00% 개구부작업 E 6,153 0.89% 0.70% 공통 F 186,783 27.15% 27.40% 합계 687,895 100.00% 100.00% 
- 촬영 시점별 분포 결과촬영 시점별 분포 결과 종류 device 개수 비율 지표상 목표율 카메라(1인칭) 0 139,416 20.27% 20% CCTV(3인칭) 1 548,479 79.73% 80% 합계 687,895 100% 100% 
- 의미적 정확성 결과
- 유효성 검사 결과의미적 정확성 결과 항목명 측정지표 전체대비 데이터 제출 비율(%) 샘플링 정보 샘플수 샘플링 비율(%) 도출 가능 여부 검사결과 바운딩박스(B-Box) F1-score 104.23 랜덤샘플링 1,700 0.25 모두확인 F1-score 98.77% 키포인트(Keypoint) F1-score 랜덤샘플링 모두확인 F1-score 96.10% 유효성 검사 결과 항목명 측정지표 정량목표 검사 개수 검사결과 Presision Recall 결과값 (정밀도) (재현율) 객체 검출(Bounding box) F-1 Score 80% 이상 62,568 93.71% 94.32% 96.00% mAP 41.2% 이상 96.87% 객체 검출(Keypoint) mAP 29.8% 이상 6,132 - - 87.26%
- 동적 및 정적 객체
- 이미지 당 객체 수
-
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드고소작업 Dataset 활용 시 주의 사항
- 모델학습은 Bounding box, Keypoint 두 분야로 나누어 진행함
고소작업 Dataset 활용 시 주의 사항 모델학습은 Bounding box, Keypoint 두 분야로 나누어 진행함 항목명 AI 모델 학습/검증 비율 대상 Class Bounding box YOLOv4 09월 01일 인공지능의 학습 목적에 따라 원천 데이터 이미지 내의 상황 및 작업 Class ID 확인 후 태깅 리스트에 포함되는 객체 Keypoint simple-HRNet 09월 01일 시나리오 내의 작업상황(WS) 중 수신호 동작 그리고 불안전 행동(UA) 중 던지는 행위와 몸을 기울이는 행위 등 - 사용하는 AI 모델, 목적에 맞게 파싱(Parsing) 작업 필요
- Keypoint Dataset의 경우, 학습시 Bounding box 어노테이션 정보가 제외되어 있음
- 17개 keypoint 값을 활용하여 Bounding box 값을 추가로 산출해야 함
- bbox 값을 활용하여 area 값을 추가로 산출해야 함
AI 모델 기술 구조
Dataset 품질 & 유효성 검증용 AI 모델 및 알고리즘 개념도
알고리즘 플로우차트
서비스 활용 시나리오- Dataset으로 훈련된 모델을 Pretrained Detector로 활용
- Dataset 추가 확보 후 전이학습으로 Detector의 탐지 성능을 고도화
- Dataset 추가 확보 방안
→ 촬영 환경(각도, 조도 등) 및 근로자와 장비 색상 다양화
→ Data Augmentation 활용
- 고소작업 AI 솔루션 개발에 활용
- 고소작업 Dataset을 각 Class별로 모듈화
- 특정 고소작업 시나리오에 맞게 모듈화된 Class들을 딥러닝 학습 후 Detector 개발
- Handcrafted Knowledge AI 방법들과 융합하여 성능 고도화
Handcrafted Knowledge AI 방법 - Motion Vector Analysis : 근로자의 불안전한 행동 식별 - Tracking : 근로자의 이동 상황을 실시간으로 추적 - Assessment : 위험 상황을 정량적으로 평가
- 모델학습은 Bounding box, Keypoint 두 분야로 나누어 진행함
-
데이터 성능 점수
측정값 (%)기준값 (%)데이터 성능 지표
데이터 성능 지표 번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수 1 객체 검출 (바운딩 박스) Object Detection YOLO v4 F1-Score 0.8 점 0.96 점 2 객체 검출 (바운딩 박스) Object Detection YOLO v4 mAP 41.2 % 96.87 % 3 객체 검출 (키포인트) Object Detection Simple-HRNet mAP 29.8 % 87.26 %
※ 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 다운로드1. 라벨링데이터 구성
1. 라벨링데이터 구성 분류 속성명 속성 설명 데이터 타입 필수 여부 예시 Raw data Info. raw_data_ID 영상 파일명 string Y H-210501_A01_A_WS-01_001 location_ID 촬영장소 ID string Y A01 process_ID 작업 ID string Y A situation_ID 상황 ID string Y WS-01 situation_description 상황서술 string Y 코킹공사 copyrighter 수행기관명 string Y ㈜미디어그룹사람과숲 resolution 1920*1080 이상 array Y [1920, 1080] date 촬영일자 string Y 2021-05-01 start_time 촬영 시작시간 string Y 16:00:02 end_time 촬영 종료시간 string Y 16:03:02 length 영상길이 초(sec) string Y 60 gps GPS 정보(위도, 경도) array Y [37.48928201444317, 126.98666291768929] worker_altitude 작업자 고도 float Y 1.8 horizontal 수평상태(1)/비수평상태(0) Integer Y 1 fps 30fps Integer Y 30 f_stop 조리개 수치 string N F/8.0 exposure_time 노출시간 string N 1/80 device 1인칭(0), 3인칭(1) Integer Y 1 file_extension 동영상 확장자 string Y mp4 Source data info. source_data_ID 이미지 파일명 string Y H-210501_A01_A_WS-01_001 frame 시계열 정보 string Y 01:03.0 file_extension 이미지 확장자 string Y jpg Learning data info. path 이미지 폴더명 string Y ./작업환경/비계작업/작업상황(WS)/ json_data_ID Json 파일명 string Y H-210501_A01_A_WS-01_001_0001 file extension Json string Y json annotation class_ID class Id string Y SO-01 type 어노테이션 종류 string Y box, keypoint value [x,y,w,h], [x,y,x,y,x,y,x,y,x,y,x,y] array Y
2. 라벨링데이터 실제예시
{
"Raw Data Info.": {
"raw_data_ID": "H-211022_B11_B_UA-17_501",
"location_ID": "B11",
"process_ID": "B",
"situation_ID": "UA-17",
"situation_description": "사다리를 등지고 기대서 작업하는 행위",
"copyrighter": "㈜미디어그룹사람과숲",
"resolution": [
1920,
1080
],
"date": "2021-10-22",
"start_time": "13:38:00",
"end_time": "13:58:43",
"length": "1243",
"gps": [
37.37524,
126.63277
],
"worker_altitude": 2.01,
"horizontal": 1,
"fps": 30,
"f-stop": "F/2.8",
"exposure_time": null,
"device": 1,
"file_extension": "mp4"
},
"Source Data Info.": {
"source_data_ID": "H-211022_B11_B_UA-17_501_0003",
"frame": "00:00:15.30",
"file_extension": "jpg"
},
"Learning Data Info.": {
"path": "./작업환경/사다리작업/불안전한행동(UA)/H-211022_B11_B_UA-17_501",
"json_data_ID": "H-211022_B11_B_UA-17_501_0003",
"file_extension": "json",
"annotation": [
{
"class_id": "UA-17",
"box": [
581.6663915021331,
100.12945430417054,
287.7009314620444,
642.0939355867891
]
}
]
}
} -
데이터셋 구축 담당자
수행기관(주관) : ㈜미디어그룹사람과숲
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 정용운 02-6959-6632 wjddyddns@humanf.co.kr · 사업총괄 · 데이터 검수 수행기관(참여)
수행기관(참여) 기관명 담당업무 주식회사 휴랜 · 데이터 수집
· 데이터 정제넥스터 주식회사 · 데이터 가공 중앙대학교 산학협력단 · 데이터 품질
-
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] [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.
오프라인 데이터 이용 안내
본 데이터는 K-ICT 빅데이터센터에서도 이용하실 수 있습니다.
K-ICT 빅데이터센터는 데이터 안심구역으로 지정되어
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.