공간정보 개방 데이터와 인식 모델을 연결하려면 원천 영상·좌표·라이다 자료를 같은 기준으로 구조화하고 품질을 검토해야 합니다. 이 글은 데이터 수집·정제, 개방 DB 설계와 도로 객체 인식으로 이어지는 적용 구조를 소개합니다.
수집한 데이터를 어떻게 활용하나요?
| 단계 | 주요 작업 | 검토할 산출물 |
|---|---|---|
| 공간 데이터 정리 | 영상·좌표·라이다의 취득 조건과 연결 기준을 정리 | 데이터 목록과 메타데이터 |
| 정제·비식별화 | 좌표·형식 오류와 개인정보 포함 여부를 점검 | 정제 규칙과 처리 기록 |
| 개방 DB 설계 | 스키마·포맷·이용 조건과 라벨을 정의 | 구조화 데이터와 품질 검토 자료 |
| 인식 모델 활용 | 차선·표지·신호 등 객체 탐지·분류를 평가 | 인식 결과와 유형별 평가 기록 |
어떤 품질 기준이 필요한가요?
- 데이터 권리와 공개·학습 이용 범위를 확인합니다.
- 촬영 조건, 좌표계·메타데이터와 이미지의 연결을 확인합니다.
- 번호판·얼굴 등 비식별화 대상의 처리 여부를 검토합니다.
- 라벨의 위치·분류와 누락·오류를 정해진 기준으로 평가합니다.
- 모델은 평가 데이터와 유형별 오탐·미탐, 측정 지표를 함께 검토합니다.
COCO·GeoJSON 등 포맷과 IoU·mAP·F1 등의 지표는 적용 목적에 따라 선택할 수 있습니다. 이 페이지는 특정 달성값이나 검수 통과율을 확정 성과로 제시하지 않습니다.
GLT와 협력사의 역할은 어떻게 나뉘나요?
| 영역 | 협업 시 역할 |
|---|---|
| 지엘티코리아 | 공간정보·영상 연계 스키마, 데이터 수집·정제 요건, 메타데이터와 라벨의 품질 검토 체계 |
| AI 기술 협력사 | AI 모델·에이전트·플랫폼의 설계와 구현, 모델 평가·운영 기술 |
| 고객사·운영 조직 | 데이터 이용 권한, 현업 검토, 적용 승인 및 운영 정책 |
위 표는 협업 영역을 구분한 것으로, 프로젝트별 실제 수행 범위와 산출물은 계약 및 업무분장에 따라 확정합니다.
설명용 체험 흐름
원천 자료와 좌표를 살펴보고, 품질 검토 항목을 확인한 뒤 객체 인식 결과를 비교하는 흐름을 구상할 수 있습니다. 본문의 인포그래픽과 단계 설명은 실제 운영 화면이나 실시간 모델 실행 결과를 의미하지 않습니다.
공개 자료와 설명 범위
세렌덱스 공개 프로젝트 소개에서는 국가 공간정보 기관의 개방 DB·머신러닝 인식 모델과 자율주행 데이터 활용 기반 구축 사례를 소개합니다.
이 글은 해당 공개 사례와 GLT의 도메인 관점을 바탕으로 적용 구조를 설명합니다. 개별 고객의 계약 기간·검수 결과·정량 성과는 이 페이지의 기술 설명과 구분하여 안내합니다.