2017 年机器人器械分割挑战赛
计算机视觉与模式识别
2019-02-22 v2
摘要
在主流计算机视觉与机器学习领域，ImageNet、COCO 和 KITTI 等公共数据集通过使研究者能够借助性能比较理解不同算法的优势与局限，推动了巨大的进步。然而，这种方法在机器人辅助手术问题中的转化十分有限，因为该领域从未建立同等级别的通用数据集与基准测试方法。2015 年，EndoVis 研讨会上引入了一项子挑战，提供了一组机器人图像，并带有由机器人正运动学自动生成的标注。但该数据集存在背景变化有限、缺乏复杂运动以及标注不准确等问题。在本工作中，我们展示了 2017 年机器人器械分割挑战赛的结果，该挑战赛有 10 支队伍参与了对铰接式 da Vinci 机器人器械的二值、部件及类型分割。
引用
@article{arxiv.1902.06426,
title = {2017 Robotic Instrument Segmentation Challenge},
author = {Max Allan and Alex Shvets and Thomas Kurmann and Zichen Zhang and Rahul Duggal and Yun-Hsuan Su and Nicola Rieke and Iro Laina and Niveditha Kalavakonda and Sebastian Bodenstedt and Luis Herrera and Wenqi Li and Vladimir Iglovikov and Huoling Luo and Jian Yang and Danail Stoyanov and Lena Maier-Hein and Stefanie Speidel and Mahdi Azizian},
journal= {arXiv preprint arXiv:1902.06426},
year = {2019}
}