评估目标检测器集成以提升内窥镜视频流中伪影检测的鲁棒性
计算机视觉与模式识别
2022-06-16 v1
摘要
在本工作中，我们采用集成深度学习方法，结合两个单阶段检测器（即 YOLOv4 与 Yolact）的预测，以检测内窥镜图像中的伪影。该集成策略使我们能够在保持其实时计算能力的同时，提升各独立模型的鲁棒性。我们通过在“内窥镜伪影检测挑战赛”数据集上训练与测试两个独立模型及多种集成配置，证明了方法的有效性。大量实验表明，在平均精度均值方面，该集成方法优于独立模型及此前最先进的相关工作。
引用
@article{arxiv.2206.07580,
title = {Evaluating object detector ensembles for improving the robustness of artifact detection in endoscopic video streams},
author = {Pedro Esteban Chavarrias-Solano and Carlos Axel Garcia-Vega and Francisco Javier Lopez-Tiro and Gilberto Ochoa-Ruiz and Thomas Bazin and Dominique Lamarque and Christian Daul},
journal= {arXiv preprint arXiv:2206.07580},
year = {2022}
}