• 주행 영상에서 신호등, 교통 표지판의 위치를 파악하고, 신호등의 신호상태나 표지판의 지시/규제/주의 등의 속성을 파악하는 모델 학습을 위한 데이터셋

• 자율주행 실시간 영상 인식 기술 개발, 자율주행을 위한 정밀 지도 제작 자동화 기술 개발 등 

• 다양한 주행 환경에서 차량에 설치된 카메라를 통해 취득한 영상 데이터에서 신호등과 도로교통표지판의 위치를 bounding box 형태로 가공한 데이터를 제공하며, 각 객체의 상태 (신호등 불빛, 표지판 종류 등)의 2차 속성 정보를 제공하는 데이터

• 300시간 이상의 원시데이터 (주행 영상)에서 이미지를 추출하고 객체 라벨링 및 비식별화 작업 수행
• 하단 구축 내용은 53/54 데이터를 통합한 구축량임
• 가공 이미지 수량: 1,915,672장 (목표량: 190만장)

   

  - 세부 데이터셋 구축량

  수도권	803,060장
  광역시, 고속도로, 국도 등	808,994장
  동적객체 과제 영상 공유	303,618장
  신호등 객체 수량	3,029,801
  표지판 객체 수량	2,946,632

   

• 인공지능의 폭발적인 발전은 이미지넷과 같은 거대한 데이터셋의 구축에서부터 비롯되는 것으로부터 비추어 볼 때, 한국의 자율주행 연구와 AI 기업의 발전을 위해 한국형 자율주행 데이터 구축 필요
• 해외 주요 자율주행 데이터셋 대부분이 차량 운행 중 동적 객체(차량 및 보행자)데이터 중심으로 정적 객체(차선, 횡단보도, 신호등, 표지판 등)에 대한 데이터 기반은 상대적으로 부족
• 정적 객체 정보의 경우 국가별 도로교통 법규와 도로 시설물 표준이 상이하기 때문에 한국 자율주행 환경에서의 정적 객체 데이터 기반 마련 필요성 존재 (예를 들어, 신호등의 경우 국내는 가로방향이 많고, 해외는 세로방향이 많음)

수행기관(주관) : 라이드플럭스

수행기관(참여)