[论文解读] CPPE-5: Medical Personal Protective Equipment Dataset

Rishit Dagli, Ali Mustufa Shaikh|arXiv (Cornell University)|Dec 15, 2021

Advanced Neural Network Applications被引用 4

一句话总结

本论文提出了CPPE-5，一个专注于医疗个人防护装备（PPE）从属类别识别的新型目标检测数据集，涵盖口罩、手套、护目镜、面罩和防护服等。该数据集从真实场景中收集，包含非典型、复杂的视角，共包含5,000多张图像，配有密集的多实例边界框标注。主要贡献在于建立了在真实、杂乱环境中检测PPE的基准，最先进模型在该数据集上的边界框平均精度（AP）达到52.9%。

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 focuses 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 shields, gloves, masks, 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.

研究动机与目标

• 解决目前缺乏专注于医疗PPE从属类别识别的公开数据集的问题。
• 为在复杂、自然场景中存在多个PPE物品的图像中进行目标检测提供真实场景基准。
• 支持开发用于疫情响应等关键现实应用的鲁棒计算机视觉模型。
• 促进在非标准视角和遮挡条件下检测PPE的研究。

提出的方法

• 主要从Flickr和部分Google Images收集图像，以最大化多样性和真实性。
• 通过众包方式，由多名评审者进行标注，使用定向边界框和类别标签，并实施质量控制。
• 数据集包含五类PPE：防护服、面罩、手套、口罩和护目镜，每张图像均标注多个物体。
• 使用余弦退火学习率调度策略，结合焦点损失进行分类，平滑L1损失进行定位，训练基线YOLOv3模型。
• 采用标准的COCO风格度量标准，对Deformable DETR、FCOS和Double Heads等最先进模型进行微调与评估。
• 训练过程包含2000轮的学习率热身阶段，初始基础学习率为4/300，权重衰减为0.04。

实验结果

研究问题

• RQ1 现有目标检测模型能否泛化到在复杂、真实世界场景中检测多个重叠PPE物品？
• RQ2 在强调非典型、真实生活PPE图像的数据集上，最先进模型的性能与标准基准相比有何差异？
• RQ3 多样化的非标准视角和遮挡情况在多大程度上影响医疗PPE检测的准确性？
• RQ4 在通用数据集上训练的模型与在CPPE-5上微调的模型之间，是否存在显著的性能差距？

主要发现

• CPPE-5数据集是首个公开可用的、专注于医疗PPE从属类别识别的基准，填补了现有数据集的关键空白。
• 该数据集包含5,000多张真实世界图像，平均每张图像包含超过一个PPE物体，强调复杂、杂乱的场景。
• 表现最佳的模型TridentNet实现了52.9%的边界框平均精度（AP），显著优于基线模型，证明了该数据集的挑战性。
• 如Empirical Attention和Double Heads等模型在CPPE-5上实现了高精度（AP > 50%），表明其对非典型视角具有强大的泛化能力。
• 该数据集强调非典型图像和自然上下文，使其比COCO或VOC等标准数据集更能代表真实世界部署场景。
• 结果表明，由于场景复杂、视角多样及存在遮挡，CPPE-5比OpenImages和COCO更具挑战性。