論文の概要: CPPE-5: Medical Personal Protective Equipment Dataset
- arxiv url: http://arxiv.org/abs/2112.09569v1
- Date: Wed, 15 Dec 2021 18:45:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-20 13:20:10.672672
- Title: CPPE-5: Medical Personal Protective Equipment Dataset
- Title（参考訳）: CPPE-5:医療用パーソナル防護機器データセット
- Authors: Rishit Dagli and Ali Mustufa Shaikh
- Abstract要約: このデータセットには、5つのオブジェクトカテゴリ(カバール、フェイスシールド、手袋、マスク、ゴーグル)が含まれており、各イメージには境界ボックスと正のラベルのセットがアノテートされている。
このデータセットでトレーニングされたモデルが、複雑なシーンの現実的なシナリオで簡単に使用できるようにするために、我々のデータセットは主に、各シーンに複数のオブジェクトがある複雑なシーンを自然のコンテキストで表示する画像を含んでいる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a new challenging dataset, CPPE - 5 (Medical Personal Protective
Equipment), with the goal to allow the study of subordinate categorization of
medical personal protective equipments, which is not possible with other
popular data sets that focus on broad level categories (such as PASCAL VOC,
ImageNet, Microsoft COCO, OpenImages, etc). To make it easy for models trained
on this dataset to be used in practical scenarios in complex scenes, our
dataset mainly contains images that show complex scenes with several objects in
each scene in their natural context. The image collection for this dataset
focusing on: obtaining as many non-iconic images as possible and making sure
all the images are real-life images unlike other existing datasets in this
area. Our dataset includes 5 object categories (coveralls, face shield, gloves,
mask, and goggles) and each image is annotated with a set of bounding boxes and
positive labels. We present a detailed analysis of the dataset in comparison to
other popular broad category datasets as well as datasets focusing on personal
protective equipments, we also find that at present there exist no such
publicly available datasets. Finally we also analyze performance and compare
model complexities on baseline and state-of-the-art models for bounding box
results. Our code, data, and trained models are available at
https://git.io/cppe5-dataset .
- Abstract（参考訳）: 今回我々は,医療用個人用保護具の下位分類について,pascal voc,imagenet,microsoft coco,openimagesなど,他の一般的なデータセットでは不可能であるcppe - 5(medical personal protective equipment)という新たな挑戦的データセットを提案する。
このデータセットでトレーニングされたモデルが複雑なシーンで実用的なシナリオで使用できるようにするために、我々のデータセットは、主に、それぞれのシーンに複数のオブジェクトを含む複雑なシーンを示す画像を含む。
できるだけ多くの非iconicイメージを取得し、この領域の他の既存のデータセットと異なり、すべてのイメージが実際のイメージであることを保証する。
データセットには5つのオブジェクトカテゴリ(カバー、フェイスシールド、手袋、マスク、ゴーグル)が含まれており、各イメージにはバウンディングボックスとポジティブラベルがアノテートされています。
我々は、他の一般的な広範カテゴリのデータセットと比較して、データセットの詳細な分析と、個人の防護機器に焦点を当てたデータセットを提示するが、現在、そのような公開データセットは存在しない。
最後に,性能解析を行い,ベースラインモデルと最先端モデルとの比較を行った。
私たちのコード、データ、トレーニングされたモデルは、https://git.io/cppe5-datasetで利用可能です。
関連論文リスト
- Kvasir-VQA: A Text-Image Pair GI Tract Dataset [4.250633109741797]
このデータセットは、様々なGI路条件と手術器具にまたがる6,500の注釈付き画像からなる。
データセットは、画像キャプション、視覚質問回答(VQA)、テキストベースの合成医療画像の生成、オブジェクト検出、分類などのアプリケーションを対象としている。
論文 参考訳（メタデータ） (2024-09-02T19:41:59Z) - Diffusion Models as Data Mining Tools [87.77999285241219]
本稿では、画像合成のために訓練された生成モデルを視覚データマイニングのツールとして利用する方法について述べる。
特定のデータセットから画像を合成するために条件拡散モデルを微調整した後、これらのモデルを用いて典型性尺度を定義することができることを示す。
この尺度は、地理的位置、タイムスタンプ、セマンティックラベル、さらには病気の存在など、異なるデータラベルに対する典型的な視覚的要素がどのように存在するかを評価する。
論文 参考訳（メタデータ） (2024-07-20T17:14:31Z) - 360 in the Wild: Dataset for Depth Prediction and View Synthesis [66.58513725342125]
大規模な360$circ$ビデオデータセットを野放しに導入する。
このデータセットはインターネットから慎重に取り除かれ、世界中で様々な場所から収集されている。
データセットを構成する25K画像のそれぞれに、それぞれのカメラのポーズと深さマップが提供される。
論文 参考訳（メタデータ） (2024-06-27T05:26:38Z) - DEArt: Dataset of European Art [0.17188280334580194]
我々は,第2世紀から第8世紀にかけての絵画の参照を目的としたオブジェクト検出とポーズ分類データセットであるDEArtを提案する。
15,000以上の画像が含まれており、約80%の非イコニックで、69クラスのすべてのインスタンスを識別するバウンディングボックスのマニュアルアノテーションと、人間に似たオブジェクトを識別するボックスのポーズが12種類含まれている。
以上の結果から, 文化遺産領域のオブジェクト検出器は, 伝達学習による汎用画像の最先端モデルに匹敵する精度を達成できることが示唆された。
論文 参考訳（メタデータ） (2022-11-02T16:05:35Z) - State-of-the-art Models for Object Detection in Various Fields of
Application [0.0]
COCOミニバル、COCOテスト、Pascal VOC 2007、ADE20K、ImageNetがレビューされている。
データセットは、多様性、データの質、バイアスの最小化、品質のラベル付けなどの観点から、他と密に比較した後、手作業で取得される。
各データセットの上位モデルとその最適なユースケースをリストアップする。
論文 参考訳（メタデータ） (2022-11-01T20:25:32Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳（メタデータ） (2022-06-13T19:14:06Z) - Free Lunch for Co-Saliency Detection: Context Adjustment [14.688461235328306]
市販のサリエンシ検出データセットからの画像を利用して新しいサンプルを合成する「コストフリー」グループカットペースト(GCP)手順を提案する。
我々は、Context Adjustment Trainingと呼ばれる新しいデータセットを収集します。データセットの2つのバリエーション、すなわち、CATとCAT+は、それぞれ16,750と33,500の画像で構成されています。
論文 参考訳（メタデータ） (2021-08-04T14:51:37Z) - Personalized Image Semantic Segmentation [58.980245748434]
ラベルのないパーソナライズされた画像に対して、データのパーソナライズされた特徴を調査することにより、より正確なセグメンテーション結果を生成する。
画像のセグメント化時に画像間コンテキストを組み込んだベースライン手法を提案する。
コードとPSSデータセットは公開されます。
論文 参考訳（メタデータ） (2021-07-24T04:03:11Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort [117.41383937100751]
現在のディープネットワークは、大規模なデータセットのトレーニングの恩恵を受ける、非常にデータハングリーです。
GAN潜入コードがどのようにデコードされ、イメージのセマンティックセグメンテーションを生成するかを示す。
これらの生成されたデータセットは、実際のデータセットと同じように、コンピュータビジョンアーキテクチャのトレーニングに使用できます。
論文 参考訳（メタデータ） (2021-04-13T20:08:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。