NIA
🇰🇷 한국인 피부상태 AI 데이터셋
이 프로젝트는 한국인을 대상으로 한 피부 이미지 데이터셋과 안면 피부 상태 평가를 위한 AI 모델을 제공합니다. 10~60대 이상의 남녀 1,100명을 대상으로 수집한 다각도 이미지와 함께, 피부과 전문의의 육안 평가와 정밀 기기 측정값이 포함되어 있습니다.
📌 업데이트
[25/12/03]
- 모델 체크포인트 및 데이터셋 분할 파일 제공
- 학습 및 테스트 코드 업데이트
📚 소개
- 최초의 한국인 피부상태 AI 데이터셋
- 연령: 10~60대 이상, 남녀 1,100명 참여
- 3가지 촬영 장비
- 디지털 카메라
- 스마트패드
- 스마트폰
- 최대 7가지 촬영 각도
- 8개 주요 얼굴 영역의 Bounding Box 제공
- 전문의 육안 평가 + 정밀 측정 장비값 동시 제공
📂 주요 링크
🗂️ 데이터 구성
📷 촬영 이미지
- 디지털 카메라: 7가지 각도
- 스마트폰/태블릿: 3가지 각도
- 배경 및 조명 조건 통제
- 세면 후 항온·항습 환경에서 촬영
- 디지털 카메라는 암막실 + 얼굴 고정 장치 활용
🏷️ 라벨 구성
🧑⚕️ 전문의 육안 평가
- 피부과 전문의 5명 참여
- 평가 항목: 색소침착, 입술건조도, 모공, 턱선처짐, 주름 등
- 항목별 등급 기준 상이
🧪 정밀 측정 장비값
- SCI급 논문 + 식약처 인증 기반
- 측정 항목: 색소침착, 모공, 주름, 수분, 탄력 등
🧠 피부 진단 AI 모델
모델 구조
- ResNet-50 기반
- 최종 FC Layer 출력 = 각 Task 등급 수
- Task(주름/모공/건조도 등)별 개별 모델 학습
⚙️ 손실 함수
- 단순 CE Loss → 클래스 불균형으로 과적합 발생
→ Focal Loss / Class-balanced Loss로 개선
🏋️♀️ 학습 설정
- Optimizer: Adam
- LR: 0.005
- Epoch: 100
- Train/Val/Test = 8:1:1
- Stratified Split 적용
📊 결과 예시
🛠️ 코드 구성
✔ 이미지 Crop
- CNN 입력을 위한 정사각형 이미지 생성 필요
- 기존 bbox는 정사각형이 아니므로 crop + padding 수행
- json 파일 기준으로 crop된 이미지가
cropped_img/에 저장됨
실행:
python tool/img_crop.py
✔ 모델 Checkpoint
✔ 데이터셋 분할 파일 (dataset/split)
password는 이메일로 문의해주세요.
📁 폴더 구조
project_root/
│
├── checkpoint/
│ ├── class/
│ └── regression/
│ └── 1st_cnn/
│ └── save_model/
│
├── dataset/
│ ├── img/
│ ├── label/
│ ├── split/
│ └── cropped_img/
│
└── tool/
├── img_crop.py
├── main.py
└── test.py
🔧 전처리 과정
- AI-hub에서 다운받은 안면 이미지에서 “img_crop.py” 코드로 영역 이미지를 추출
- 기존 json 파일에 있는 bbox는 영역에 딱 맞는 크기라, 정사각형으로 resizing 필요
- 등급을 고르게 학습시키기 위해, split 폴더 안에 train/val/test로 분할한 이미지 정보들이 담김
- 위 폴더 구조를 만족하면 아래 코드가 정상 동작할 것임
🔧 학습 코드
python tool/main.py --name "저장할 체크포인트 이름" --mode class # 육안평가
python tool/main.py --name "저장할 체크포인트 이름" --mode regression # 기기 측정값
🧪 테스트 코드
python tool/test.py --name "저장된 체크포인트 이름" --mode class
python tool/test.py --name "저장된 체크포인트 이름" --mode regression
👤 문의
단국대학교 컴퓨터학과 박사과정
이정호 (Jeongho Lee)
📧 72210297@dankook.ac.kr