수집된 데이터는 학습 효율성을 고려하여 Task(객체 탐지/영상 분할) 및 Class(보행자/돌발상황) 단위로
계층화되었습니다. 모든 데이터는 원천 이미지와 라벨링 파일이 쌍(Pair)을 이루는 구조로 저장되어 있어, AI
모델 학습 시 데이터 로더(Data Loader) 구현에 최적화되어 있습니다.
Dataset 1
객체탐지데이터
세종 교통CCTV에서 수집된 원천데이터와 객체 바운딩 박스 데이터
객체의 위치와 크기, 라벨을 결정하기 위한 목적
자전거, 킥보드, 모노 전동 휠 탑승자도 보행자로 인식
객체 탐지(Object Detection) 데이터 (1/2)
•원천데이터
해상도: 1920×1080
파일 형식: jpg
수량: 600장
•라벨데이터-1
보행자 객체의 Bounding Box 데이터
데이터 형식 [라벨] [객체 중심좌표(X)] [객체 중심좌표(Y)] [객체
너비(W)] [객체 높이(H)] 띄어쓰기로 구분
파일 형식: (확장자를 제외한 원천데이터 파일명).txt
라벨 (1592개) 0 : 보행자
* 객체 중심좌표(X)와 객체 너비(W)는 이미지 가로사이즈로 정규화하고 객체 중심좌표(Y)와 객체
높이(H)는 이미지 세로사이즈로 정규화
객체 탐지(Object Detection) 데이터 (2/2)
•원천데이터
해상도: 1920×1080
파일 형식: jpg
수량: 600장
•라벨데이터-2
돌발 상황의 보행자 객체의 Bounding Box 데이터
데이터 형식 [라벨] [객체 중심좌표(X)] [객체 중심좌표(Y)] [객체
너비(W)] [객체 높이(H)] 띄어쓰기로 구분
파일 형식: (확장자를 제외한 원천데이터 파일명).txt
라벨 (889개) 0 : 무단횡단 보행자 (84개) 1 : 횡단보도
보행자 (805개)
* 객체 중심좌표(X)와 객체 너비(W)는 이미지 가로사이즈로 정규화하고 객체 중심좌표(Y)와 객체
높이(H)는 이미지 세로사이즈로 정규화
