手術行動三重項データセットに関する方法ベンチマークのためのデータ分割とメトリックス【JST・京大機械翻訳】

Nwoye Chinedu Innocent; Padoy Nicolas

プレプリント

J-GLOBAL ID：202202213470532600 整理番号：22P0329657

手術行動三重項データセットに関する方法ベンチマークのためのデータ分割とメトリックス【JST・京大機械翻訳】

Data Splits and Metrics for Method Benchmarking on Surgical Action Triplet Datasets

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2023年02月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データおよびアノテーションの生成に加えて,ベンチマークデータセットの作成には,顕性データ分割戦略および評価尺度を考案することが重要である。この実践は,データの利用,均一評価,およびデータセットに関する研究方法の均一比較に関するコンセンサスを確実にする。本研究は,ColecT50に焦点を当て,それは,外科的活動を三重項として定式化する50のビデオ手術データセットである。本論文では,ColecT50とColecT45データセットに対する標準分割を導入し,それらがデータセットの既存の利用と比較する方法を示した。ColecT45はColecT50データセットの45ビデオの最初の公開放出である。また,外科的三重項に関するモデル評価のための計量ライブラリ,ivtometricsを開発した。さらに,提案データ分割と計量を用いてそれらを評価し,それらを公開して将来の研究を支援するため,それらを評価するために,最も支配的な深層学習フレームワーク(PyTorchとTensorFlow)におけるベースライン法を再現することによりベンチマーク研究を行った。提案したデータ分割と評価メトリックは,データセットに関する研究進展の大域的追跡を可能にし,更なる展開のための最適なモデル選択を容易にする。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

分子構造 , パターン認識 , 図形・画像処理一般 , 計算機利用技術一般

, , , , ,

前のページに戻る