-
데이터 변경이력
데이터 변경이력 버전 일자 변경내용 비고 1.2 2024-12-04 서브라벨링 추가 개방 1.1 2024-10-30 데이터 최종 개방 1.0 2024-06-28 데이터 개방 Beta Version 데이터 히스토리
데이터 히스토리 일자 변경내용 비고 2024-06-28 산출물 공개 Beta Version 소개
- 의류 디자인 스케치에 맞는 패턴 도면 생성 및 추천을 위한 디자인 스케치와 패턴 이미지 쌍 데이터
구축목적
- 의류 제작 시 신속한 제품화를 위해 디자인 스케치 이미지를 기반으로 쉽고 빠르게 패턴 도면을 생성 및 검색할 수 있는 원천기술 개발을 위한 데이터 구축
-
메타데이터 구조표 데이터 영역 영상이미지 데이터 유형 이미지 데이터 형식 png, dxf, emf 데이터 출처 직접 제작, 구매 라벨링 유형 바운딩박스(이미지) 라벨링 형식 json 데이터 활용 서비스 의류 디자인 스케치 검색 서비스, 패턴 도면 추천 서비스 데이터 구축년도/
데이터 구축량2023년/4,000set -
- 데이터 구축 규모
• 총 구축 수량: 원천데이터 12,000개, 라벨링데이터 4,000개, 서브라벨링 4,000개
• 의류 디자인 스케치 이미지 1장에 대하여 패턴 도면 CAD 데이터 1개, 범용 벡터 데이터 1개, 라벨링 데이터 1개(의류 디자인 스케치 이미지 바운딩 박스)가 쌍으로 구성됨
• 전체 분류(클래스 구분): 의복의 형태적 구분에 따라 54종으로 분류
• 클래스 별 수집량: 의복의 형태의 복잡성에 기반하여 70개~80개로 구성됨
• 의복의 형태에 따라 다양한 수집 조건 적용데이터 구축 규모 원천데이터 라벨링데이터 의류 디자인 스케치 이미지 4,000개 의류 디자인 스케치 이미지 바운딩 박스 4,000개 패턴 도면 CAD 4,000개 서브라벨링 4,000개 표준 범용 벡터 4,000개 - 데이터 분포
데이터 분포 항목 조건 구분 비율 성인/아동 분류 성인 67% 아동 33% 남성/여성/아동 분류 남성 28% 여성 39% 아동 33% 데이터 분포 통계 
[ 성인/아동 구축 통계 ] [ 남성/여성/아동 구축 통계 ] -
-
AI 모델 상세 설명서 다운로드
AI 모델 상세 설명서 다운로드 AI 모델 다운로드- 학습모델
- 모델정보: YOLOv8
- 공식홈페이지: https://docs.ultralytics.com/ko/
- 깃헙: https://github.com/ultralytics/ultralytics- 학습모델 정보
- Ultralytics의 최신 버전인 YOLOv8. 이 모델은 딥러닝과 컴퓨터 비전의 최신 발전을 바탕으로 구축되었으며, 속도와 정확성 면에서 뛰어난 성능을 제공. 간결한 설계로 인해 다양 한 애플리케이션에 적합하며, 엣지 디바이스에서부터 클라우드 API에 이르기까지 다양한 하드웨어 플랫폼에 쉽게 적응 가능.- 라이센스
- Ultralytics는 다양한 사용 사례에 맞춰 두 가지 라이선스 옵션을 제공.
- AGPL-3.0 라이선스: 이 OSI 승인 오픈 소스 라이선스는 학생 및 애호가에게 이상적. 오픈 협력과 지식 공유를 촉진. 자세한 내용은 라이선스 파일을 참조.
- 기업 라이선스: 상업적 사용을 위해 설계된 이 라이선스는 Ultralytics 소프트웨어 및 AI 모델을 상업적 제품 및 서비스에 원활하게 통합할 수 있게 하여 AGPL-3.0의 오픈 소스 요 건을 우회. 상업적 제공물에 솔루션을 내장하는 시나리오에 관여하는 경우 Ultralytics 라이선싱을 통해 문의 필요.- 사용 가이드
[모드 요약]
- Train 모드: 사용자 맞춤 또는 사전 로드된 데이터셋 위에서 모델을 튜닝.
- Val 모드: 트레이닝 후 모델 성능을 검증하기 위한 체크포인트.
- Predict 모드: 실세계 데이터에서 모델의 예측.
- Export 모드: 다양한 포맷으로 모델을 배포 준비 상태로 추출.
- Track 모드: 객체 탐지 모델을 실시간 추적 애플리케이션으로 확장.
- Benchmark 모드: 다양한 배포 환경에서 모델의 속도와 정확도를 분석.
*자세한 사항은 공식 문서 참조: https://docs.ultralytics.com/ko/modes/[훈련]
- 모델에 데이터를 공급하고 그것이 정확한 예측을 할 수 있도록 매개변수를 조정하는 과정.
[검증]
- 훈련된 모델의 품질을 평가할 수 있게 해주는 기계학습 파이프라인에서 중요한 단계.
[예측]
- 머신 러닝 및 컴퓨터 비전의 세계에서 시각적 데이터를 해석하는 과정을 '추론' 또는 '예측'. Ultralytics YOLOv8는 다양한 데이터 소스에서의 고성능, 실시간 추론을 위해 맞춤화된 강력한 기능인 예측 모드를 제공. -
설명서 및 활용가이드 다운로드
데이터 설명서 다운로드 구축활용가이드 다운로드- 전문 의류 디자이너를 통한 의류 디자인 스케치 이미지 제작
디자인 스케치 이미지 예시 
[ 디자인 스케치 이미지 예시 1 ] [ 디자인 스케치 이미지 예시 2 ] 
[ 디자인 스케치 이미지 예시 3 ] [ 디자인 스케치 이미지 예시 4 ] - 전문 패턴사를 통한 패턴 도면 CAD 및 범용 벡터 데이터 직접 가공
패턴 도면 CAD 예시 
[ 패턴 도면 CAD 예시 ] 표준 범용 벡터 예시 
[ 표준 범용 벡터 예시 ] - 라벨러를 통한 의류 디자인 스케치 이미지 바운딩 박스 라벨링
바운딩 박스 라벨링 예시 
[ 바운딩 박스 라벨링 예시 ] - 어노테이션 포맷
어노테이션 포맷 구분 속성명 타입 필수여부 설명 범위 1 information Object Y 객체 속성 정보 1-1 category_en String Y 클래스 영문명 1-2 category_kr String Y 클래스 국문명 1-3 category_detail String Y 카테고리 2차 분류 1-4 gender String Y 성별 “male”, “female“, ”child“ 1-5 age-group String Y 연령그룹 “adult”, “child“ 1-6 size_top Array Y 상의 치수 1-6-1 top_height String N 상의 총장 1-6-2 top_across-shoulder String N 상의 어깨너비 1-6-3 top_bust-width String N 상의 가슴둘레 1-6-4 top_waist-width String N 상의 허리둘레 1-6-5 top_bottom-opening String N 상의 밑단둘레 1-6-6 top_armhole String N 상의 암홀 1-6-7 top_sleeve-lenght String N 상의 소매길이 1-6-8 top_biceps String N 상의 소매통 1-6-9 top_sleeve-opening String N 상의 소매부리 1-6-10 top_neck-cicumference String N 상의 목둘레 1-7 size_bottom Array Y 하의 치수 1-7-1 bottom_height String N 하의 총장 1-7-2 bottom_waist-width String N 하의 허리둘레 1-7-3 bottom_hip-width String N 하의 엉덩이둘레 1-7-4 bottom_thigh-width String N 하의 허벅지둘레 1-7-5 bottom_knee-width String N 하의 무릎둘레 1-7-6 bottom_bottom-hem String N 하의 밑단둘레 1-7-7 bottom_front-rise String N 하의 앞길이 1-7-8 bottom_back-rise String N 하의 뒤길이 1-7-9 bottom_inseam String N 하의 인심길이 1-7-10 bottom_waistband-height String N 하의 오비폭 1-8 category-detail String Y 의류 2차 분류 2 sketch Object Y 스케치 이미지 속성 정보 2-1 sketch_filename String Y 의류 디자인 스케치 이미지 파일 이름 2-2 sketch_caption String Y 캡션 정보 3 annotations Object Y 3-1 sketch_front String Y 의류 전면 분류 3-1-1 bbox String Y 바운딩박스 좌표 정보(x, y, width, height) 3-1-2 sketch_front_width Number Y 의류 전면 바운딩박스 가로 길이 3-1-3 sketch_front_height Number Y 의류 전면 바운딩박스 세로 길이 3-2 sketch_back Array Y 의류 후면 분류 3-2-1 bbox String Y 바운딩박스 좌표 정보(x, y, width, height) 3-2-2 sketch_back_width Number Y 의류 후면 바운딩박스 가로 길이 3-2-3 sketch_back_height Number Y 의류 후면 바운딩박스 세로 길이 4 pattern Object Y 패턴 속성 정보 4-1 pattern_filename String Y 패턴 도면 CAD 파일 이름 4-2 pattern_parts String Y 패턴 구성명 배열 4-3 pattern_parts_count Number Y 패턴 부속품 수 5 vector Object Y 표준 범용 벡터 속성 정보 5-1 vector_filename String Y 표준 범용 벡터 파일 이름 - 실제 예시
-
데이터셋 구축 담당자
수행기관(주관) : 다이텍연구원
수행기관(주관) 책임자명 전화번호 대표이메일 담당업무 최윤성 053-350-3744 cys@dyetec.or.kr 총괄, 데이터 수집 수행기관(참여)
수행기관(참여) 기관명 담당업무 케이솔루션즈 데이터 정제, 가공, 검수 D3D 데이터 가공, 검수 이투온 AI모델 개발 데이터 관련 문의처
데이터 관련 문의처 담당자명 전화번호 이메일 김강웅 02-6415-2238 kwkim@ksolution.kr 김동현 053-350-3735 dhkim@dyetec.or.kr AI모델 관련 문의처
AI모델 관련 문의처 담당자명 전화번호 이메일 표성국 02-516-1371 skpyo@e2on.com 저작도구 관련 문의처
저작도구 관련 문의처 담당자명 전화번호 이메일 김강웅 02-6415-2238 kwkim@ksolution.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] [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.
다양한 데이터(미개방 데이터 포함)를 분석할 수 있는 오프라인 분석공간을 제공하고 있습니다.
데이터 안심구역 이용절차 및 신청은 K-ICT빅데이터센터 홈페이지를 참고하시기 바랍니다.