| 1 |
1
원천 데이터 확보 서버를 포함하는 크라우드소싱 플랫폼 시스템에서, 주행환경에서의 정적객체를 인지하는 인공지능의 학습데이터세트를 처리하는 학습데이터세트 처리방법으로서,상기 원천 데이터 확보 서버가, 크라우드 소싱에 기반하여 블랙박스 영상을 수집하여, 수집된 상기 블랙박스 영상에서 데이터 편향을 제거하고 개인정보를 비식별 처리함으로써, 상기 수집된 블랙박스 영상으로부터 정제된 영상 데이터를 생성하는 데이터 수집 단계;상기 원천 데이터 확보 서버가, 학습데이터를 구성하는 대분류 카테고리들을 기준으로 상기 정제된 영상 데이터를 분류하고, 상기 정제된 영상 데이터로부터 유효한 이미지 데이터를 추출하는 단계; 및상기 정제된 영상 데이터 및 상기 유효한 이미지 데이터로부터 학습데이터세트를 생성하는 단계;를 포함하는,학습데이터세트 처리방법
|
| 2 |
2
제1항에 있어서,상기 데이터 수집 단계는, 상기 원천 데이터 확보 서버가, 상용차 운전자인 운전자 패널이 운행하는 상용차에 설치된 블랙박스로부터 영상 데이터를 수집하고, 고화질 블랙박스를 장착한 차량을 운행하는 전문 패널이 운행하는 차량으로부터 영상 데이터를 수집하여 상기 블랙박스 영상을 보완하는 단계; 및상기 원천 데이터 확보 서버가, 여객 자동차 운송 사업자의 서버로부터 구매한 영상 데이터로 상기 블랙박스 영상을 보완하는 단계;를 더 포함하는,학습데이터세트 처리방법
|
| 3 |
3
제1항에 있어서,상기 데이터 수집 단계는,상기 원천 데이터 확보 서버가, 수집된 상기 블랙박스 영상에서 데이터 편향을 제거하기 위하여, 최초 블랙박스 영상 수집 시 수도권/광역시별로 제한된 인원수의 참여자로부터 상기 블랙박스 영상을 수집하는 단계;상기 수집한 블랙박스 영상의 데이터와 GPS 정보 매칭을 통해 각 영상 데이터의 권역을 분류하는 단계;상기 수집한 블랙박스 영상의 데이터와 GPS 정보 매칭을 통해 각 영상 데이터가 수집된 장소의 도로 유형을 분류하는 단계;미리 저장된 자동차 DB를 통해 상기 각각의 블랙박스 영상을 제공한 차량의 자동차 유형의 분류를 수행하는 단계; 및상기 수집한 블랙박스 영상을 상기 권역, 상기 도로 유형, 및 상기 자동차 유형에 따라 분류하고 편향이 생기지 않도록 상기 수집한 블랙박스 영상에 대한 필터링을 수행하는 단계;를 포함하는, 학습데이터세트 처리방법
|
| 4 |
4
제1항에 있어서,상기 데이터 수집 단계는,상기 원천 데이터 확보 서버가, 상기 개인정보를 비식별 처리하기 위하여,상기 수집한 각각의 블랙박스 영상의 출발지 및 도착지 시점의 전후 구간을 삭제하는 단계;상기 수집한 각각의 블랙박스 영상에서 영상 외의 음성 정보 삭제하는 단계;상기 수집한 각각의 블랙박스 영상에서 전방 주행 차량 및 옆 차선 차량의 차량번호를 비식별 처리하는 단계;상기 수집한 각각의 블랙박스 영상에서 교통사고 장면을 삭제하는 단계;상기 수집한 각각의 블랙박스 영상에서 횡단보도 정차 시 보행자 비식별 처리를 수행하는 단계; 및상기 수집한 각각의 블랙박스 영상에서 블랙박스 영상 내 촬영시간 및 위치 정보를 비식별 처리하는 단계를 포함하는, 학습데이터세트 처리방법
|
| 5 |
5
제1항에 있어서, 상기 생성된 학습데이터세트는 표지판, 차선 및 횡단보도, 신호등, 및 기타표식 중 어느 하나의 카테고리로 분류되어 있는, 학습데이터세트 처리방법
|
| 6 |
6
제1항에 있어서,상기 생성된 학습데이터세트는,수집된 상기 블랙박스 영상의 동영상 데이터에 대한 소스 위치, 해상도, 촬영된 차량의 종류, 촬영 시간, 촬영된 도로의 유형, 및 촬영된 지역에 관한 정보를 포함하며,수집된 상기 블랙박스 영상의 각 이미지 데이터에 대한 파일 이름, 촬영 시간, 촬영 위치, 촬영 시 차량의 속도, 촬영 시 날씨, 촬영한 도로의 차로 수, 및 라벨링된 이미지를 포함 URL에 관한 정보를 포함하며, 상기 각 이미지 데이터로부터 추출되는 정적객체의 영역을 한정하는 바운딩 박스의 폭, 높이, 및 좌상단의 x, y좌표, 및 상기 바운딩 박스에 포함된 정적객체의 클래스 ID를 포함하는,학습데이터세트 처리방법
|
| 7 |
7
제1항에 있어서,상기 대분류 카테고리들은 각각 복수 개의 서브 카테고리들로 더 구분되고,상기 데이터를 추출하는 단계는,상기 대분류 카테고리를 기준으로 분류를 수행할 학습 모델을 위한 학습데이터 세트를 구축하여 상기 구축된 학습데이터 세트를 이용하여 학습 모델을 생성하는 단계;상기 생성된 학습 모델을 이용하여 상기 유효한 이미지 데이터로부터 상기 복수 개의 서브 카테고리에 관한 정적객체를 추출하고, 상기 유효한 이미지 데이터 내에서 상기 추출된 정적객체가 존재하는 위치에 관한 정보인 바운딩 박스, 상기 바운딩 박스에 관한 아노테이션을 생성하는 단계를 포함하는,학습데이터세트 처리방법
|
| 8 |
8
제7항에 있어서,상기 데이터를 추출하는 단계는,상기 생성된 아노테이션에 따라, 상기 아노테이션에 대응하는 이미지 및 상기 이미지에 대응하는 동영상을 상기 대분류 카테고리들 중 어느 하나의 카테고리로 분류함으로써, 상기 대분류 카테고리에 따른 동영상과 전처리된 이미지 데이터를 생성하는 단계;를 더 포함하는,학습데이터세트 처리방법
|
| 9 |
9
제1항에 있어서, 상기 크라우드소싱 플랫폼 시스템은 프로모션 서버를 더 포함하며,상기 프로모션 서버는,영상 활용 및 보상 지급에 대한 개인의 개인정보 활용 동의 프로세스를 처리하는 개인정보활용동의 파트;주어진 현금 보상 체계에 따라 포인트 대신 현금을 상기 개인에게 제공하는 보상 파트; 및 영상 수집 프로모션 안내 콘텐츠를 상기 개인에게 제공하는 콘텐츠 파트;를 포함하는 것을 특징으로 하는,학습데이터세트 처리방법
|
