콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#컴퓨터 그래픽스 # 산림 수종 # LiDAR # 디지털트윈 # 3D 객체 모델링컴퓨터 그래픽스 # 산림 수종 # LiDAR # 디지털트윈 # 3D 객체 모델링 #컴퓨터 그래픽스

산림 수종 3D 객체 스캐닝·모델링 데이터

산림 수종 3D 객체 스캐닝·모델링 데이터 아이콘 이미지
  • 분야영상이미지
  • 유형 3D
구축년도 : 2022 갱신년월 : 2023-12 조회수 : 3,203 다운로드 : 127 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2023-12-06 데이터 최종 개방
    1.0 2023-06-28 데이터 개방(Beta Version)

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2023-12-06 산출물 전체 공개

    소개

    국내 산림 수종에 대한 계절, 지역, 임상, 유형, 경급별 분포를 분석하여, 데이터 다양성을 고려한 대표 산림 수종 82종 2,500건을 선정하여, 3D 포인트 클라우드 데이터 수집 및 3D 객체 모델링 데이터 확보

    구축목적

    디지털트윈 환경에서 지속가능한 산림경영 및 도시숲 관리를 위한 산림 수종 3D 객체 모델링 데이터 구축
  • 1. 데이터 구축 규모

     
    1. 데이터 구축 규모
    임상 구분 수종 분류 수량
    침엽수 19종 1,118
    활엽수 62종 1,375
    죽림 1종 7
    합계 82종 2,500

     

    2. 데이터 분포
     ○ 계절 분포

     

    계절 분포
    계절구분 수량 비율
    여름 898 35.90%
    가을 1,602 64.10%
    합계 2,500 100.00%

     

    계절 분포 차트

     

    ○ 지역 분포

     
    지역 분포
    지역구분 수량 비율
    중부 1,494 59.80%
    남부 1,006 40.20%
    합계 2,500 100.00%

     

    지역 분포 차트

     ○ 임상 분포

     

    임상 분포
    임상구분 수량 비율
    침엽수 1,118 44.70%
    활엽수 1,375 55.00%
    죽림 7 0.30%
    합계 2,500 100.00%

     

    임상 분포 차트

     

    ○ 유형 분포

     
    유형 분포
    유형구분 수량 비율
    용재수종 1,148 45.90%
    내공해수종 278 11.10%
    내음수종 64 2.60%
    조경수종 511 20.40%
    특용수종 239 9.60%
    유실수종 90 3.60%
    내화수종 129 5.20%
    기타 41 1.60%
    합계 2,500 100.00%

     

    유형 분포 차트

     

     ○ 경급 분포

     
    경급 분포
    임상구분 수량 비율
    침엽수 1,118 44.70%
    활엽수 1,375 55.00%
    죽림 7 0.30%
    합계 2,500 100.00%

     

    경급 분포 차트

     

  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    1. AI모델 목표
     - 산림 수종 3D Shape 분류
     - 산림 수종 3D 포인트 클라우드 데이터에 대한 산림 유형(침엽수/활엽수/기타) 분류

    2. 활용 모델
     ○ G3DNet 기반 3D 포인트 클라우드 분류 모델
       - Graph convolution 기반의 3D point cloud 특징 추출 및 분류 모델
       - 전체 point cloud input 중 매번 500여개의 점을 샘플링하여, xyz 좌표를 graph convolution의 input으로 줌으로써, 위치 관계에 대한 학습 진행

    G3DNet 기반 3D 포인트 클라우드 분류 모델


     ○ 개선 사항
       - 수목 전체 부분을 사용하지 않고, 표면 부분의 작은 조각을 학습에 사용하여 모델이 국소적인 부분을 학습할 수 있도록 함
       - 가까운 점들끼리 이루는 곡면적 정보를 기반으로 기하학 특징을 추출하는 학습레이어를 앞단에 추가하여, 국소적인 정보의 활용을 극대화함

    개선 사항 이미지

     

  • 데이터 성능 점수

    측정값 (%)
    기준값 (%)

    데이터 성능 지표

    데이터 성능 지표
    번호 측정항목 AI TASK 학습모델 지표명 기준값 점수 측정값 점수
    1 산림수종 3D Shape 분류 성능 3D Object Classification G3DNet18 + RepSurf Accuracy 90 % 91.6 %

    ※ 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 다운로드

    1. 데이터 포맷
      - 원천데이터 : 3D 포인트 클라우드(LAS)
      - 학습데이터 : 3D 객체 모델링(FBX)

    데이터 포맷
    원천데이터 학습데이터
    원천데이터
    학습데이터

    2. 어노테이션 포맷

     
     
    2. 어노테이션 포맷
    No 항목 타입 필수여부 비고
    한글명 영문명
    1 수종정보 eigenvalues Object    
      1-1 고유 ID id String Y  
      1-2 임상 구분 forest_type String Y 예)침엽수,활엽수
      1-3 유형 구분 tree_kind String Y 예)용재수종,내공해수종
      1-4 수종명 tree_name String Y 예)소나무, 낙엽송
      1-5 경급 diameterclass String Y 예)대경목, 중경목, 소경목
      1-6 흉고직경 DBH String    
      1-7 수고 tree_height String Y  
    2 기본정보 info Object    
      2-1 데이터셋 이름 description String Y 예)3D_forestimagedata
      2-2 데이터셋 구축자 creator String    
      2-3 데이터셋 제공자 distributor String    
    3 촬영정보 shoot_info Object    
      3-1 원천데이터 파일 이름 file_name String Y  
      3-2 촬영 일시 date String Y  
      3-3 파일 형식 file_format String    
      3-4 파일 크기 file_size String Y  
      3-5 촬영위치 토지 구분 space_classification String   예)산림, 비산림
      3-6 촬영지역 구분 region_name String Y 예)중부, 남부
      3-7 촬영지역 위도 latitude String Y  
      3-8 촬영지역 경도 longtitude String Y  
      3-9 촬영 날씨 weather String   예) 맑음, 흐림, 비
      3-10 촬영 계절 구분 season String Y 예) 여름, 가을
      3-11 촬영 고도 elevation String    
      3-12 저작권 정보 copyright String Y  

     

    3. 실제예시

    실제예시
     

     

     

     
  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜솔트룩스이노베이션
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    정성효 062-223-1335 [email protected] 사업 총괄, 데이터 가공
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    ㈜신한항업 데이터 수집 및 정제
    ㈜세명소프트 데이터 가공
    ㈜타임게이트 데이터 품질 관리
    ㈜티맥스 메타버스 AI모델 개발
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    정성효 062-223-1335 [email protected]
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 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

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 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 [email protected] 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.