인공지능 데이터 공유·활용 서비스 오픈 API는 공개된 인공지능 데이터셋 정보를 이용자들이 보다 손쉽게 활용 할 수 있도록, 제공하는 개방형 API 서비스 입니다. 제공되는 인공지능 데이터셋 정보는 기관 또는 개인이 자유롭게 활용하여, 다양한 컨텐츠를 생산하는데 도움을 주는데 목적을 두고 있으며, 누구나 손쉽게 데이터를 활용할 수 있도록 웹서비스 방식(JSON/REST)으로 서비스를 제공합니다.
지나치게 잦은 API의 호출로 서버에 과도한 부하가 발생하여 다른 사용자의 이용에 지장을 줄 경우 이용에 제한이 발생할 수 있으니 서비스의 이용 시 주의를 부탁 드립니다.
Name | Description |
---|---|
key |
발급된 인증키 |
page | 페이지 번호 |
size | 페이지당 출력건수 |
q | 검색 키워드 |
Name | Description |
---|---|
key |
발급된 인증키 |
Name | Description |
---|---|
key |
발급된 인증키 |
from |
조회 시작 기간 (년: yyyy, 월: yyyyMM) |
to |
조회 종료 기간 (년: yyyy, 월: yyyyMM) |
opt |
조회 단위 (년: Y, 월: M) |
serviceIds |
조회 데이터셋 서비스 ID (List) |
Name | Description |
---|---|
key |
발급된 인증키 |
Name | Description |
---|---|
body object |
{ key: '발급된 인증키', img_filename: '이미지파일명', img_base64: '이미지파일을 Base64코드로 변환한 값' } Parameter content type : |
Code | Description | |
---|---|---|
200 |
[ [ '인식객체', '신뢰점수(confidence score)', [ '사각형 중심 x 좌표', '사각형 중심 y 좌표', '인식객체 너비', '인식객체 높이' ] ], ... ] |
[ [ 'license_plate', 98.06, [1250, 828, 99, 49], 'license_plate', 98.28, [613, 887, 133, 37], 'bus', 99.82, [1062, 472, 472, 589], 'car', 99.85, [559, 780, 439, 246], ], ... ]
|
인식객체 : Response content type : |
사용방법 : import base64 import json import requests import sys if __name__ == "__main__": $URL = ‘https://aida.kisti.re.kr/openapi/road_object_detection’ img_filename = sys.argv[1] with open(img_filename, 'rb') as img_file: my_string = base64.b64encode(img_file.read()) sending_msg = {"key": "발급된 인증키", "img_filename":img_filename, "img_base64": my_string.decode('utf-8')} headers = {"Content-Type" : "application/json"} result = requests.post($URL, data = json.dumps(sending_msg), headers = headers) print(result.text) |
Name | Description |
---|---|
body object |
{ key: '발급된 인증키', img_filename: '이미지파일명', img_base64: '이미지파일을 Base64코드로 변환한 값' } Parameter content type : |
Code | Description | |
---|---|---|
200 |
객체 중심 69종의 클래스에 대한 딥러닝 기반 영상 컨텍스트 추출 - 차량(9) : 승용차, 승합차, 버스, 트럭, 나무/가로수, 횡단보도, 가로등, 볼라드, 카트 - 교통신호(5) : 신호등, 교통 표지판, 속도 제한 표지판, 정지 표지판, 주차 고깔 - 교통수단(6) : 비행기, 기차, 자전거, 오토바이, 배, 킥보드 - 사람 및 액세서리(13) : 사람, 남성 얼굴, 여성 얼굴, 사람 감정 5종(무표정/중립, 웃음, 화남, 슬픔, 놀람), 우산, 가방, 모자, 선글라스, 마스크 - 가구(13) : 책상, 의자, 벤치, 액자, 시계, 거울, 침대, 소파, 텔레비전, 화분, 싱크대, 냉장고, 쓰레기통 - 생필품(9) : 병, 컵, 접시, 핸드폰, 노트북, 테스크탑PC, 모니터, 소화기, 피아노 - 음식(5) : 피자, 햄버거, 밥, 국수, 케이크 상황 중심 33종의 클래스에 대한 딥러닝 기반 영상 컨텍스트 추출 - 날씨(5) : 맑음, 흐림, 비, 눈, 안개 - 계절(4) : 봄, 여름, 가을, 겨울 - 상황특성(4) : 실내, 야외, 주행 상황, 자연 환경 - 장소(20) : 교각, 공항, 해안가, 사무실, 공원, 쇼핑몰, 강, 바다, 마트, 기차역, 식당, 도로, 계단, 주차장, 지하철, 공사장, 카페, 논/밭, 에스컬레이터, 터널, 육교 |
import base64 import base64 import json import requests import sys if __name__ == "__main__": $URL = ‘https://aida.kisti.re.kr/openapi/extract_image_contexts’ img_filename = sys.argv[1] with open(img_filename, 'rb') as img_file: my_string = base64.b64encode(img_file.read()) sending_msg = {"key": "발급된 인증키", "img_filename":img_filename, "img_base64": my_string.decode('utf-8')} headers = {"Content-Type" : "application/json"} result = requests.post($URL, data = json.dumps(sending_msg), headers = headers) print(result.text) |