手术动作三元组数据集上方法基准测试的数据划分与度量指标
计算机视觉与模式识别
2023-03-01 v2
摘要
除了生成数据与标注外，设计合理的数据划分策略与评估度量对于创建基准数据集至关重要。这一做法确保了数据使用上的共识、评估的同质化以及研究方法在数据集上的统一比较。本研究聚焦于 CholecT50，这是一个将手术活动形式化为 <器械, 动词, 目标> 三元组的 50 视频手术数据集。在本文中，我们介绍了 CholecT50 与 CholecT45 数据集的标准划分，并展示它们与现有数据集使用方式的比较。CholecT45 是 CholecT50 数据集首批公开的 45 个视频。我们还开发了一个用于手术三元组模型评估的度量库 ivtmetrics。此外，我们通过在最主流的深度学习框架（PyTorch 和 TensorFlow）中复现基线方法来进行基准研究，使用所提出的数据划分与度量对其评估，并公开发布以支持未来研究。所提出的数据划分与评估度量将实现对数据集上研究进展的全球追踪，并促进进一步优化模型选择以用于部署。
引用
@article{arxiv.2204.05235,
title = {Data Splits and Metrics for Method Benchmarking on Surgical Action Triplet Datasets},
author = {Chinedu Innocent Nwoye and Nicolas Padoy},
journal= {arXiv preprint arXiv:2204.05235},
year = {2023}
}
备注
Official splits for the CholecT50 and CholecT45 datasets, 13 pages, 2 figures, 12 tables