Comparison of synthetic dataset generation methods for medical intervention rooms using medical clothing detection as an example

要約

医療介入スペースなど、プライバシー要件の高い領域からの実際のデータの可用性は低く、取得は法的に複雑です。
したがって、この作業は、例として医療服を使用して、医療コンテキストの合成データセットを作成する方法を示しています。
目標は、合成データと実際のデータの間の現実のギャップを埋めることです。
この目的のために、Unreal-Engine プラグインまたは Unity を使用して、ドメイン ランダム化および構造化ドメイン ランダム化のシナリオで、3D スキャンされた衣服とデザインされた衣服の方法が比較されます。
さらに、グリーンスクリーンの前にある Mixed Reality データセットとターゲット ドメイン データセットが使用されました。
私たちの実験では、デザインされた衣服の構造化ドメインのランダム化と Mixed Reality データを組み合わせることで、臨床ターゲット ドメインのテスト データセットで 72.0% の mAP を達成するベースラインが提供されることが示されています。
利用可能なターゲット ドメインのトレーニング データの 15% を追加で使用すると、ターゲット ドメインのトレーニング データが 100% (660 枚) になるまでのギャップは、80.05% mAP (81.95% mAP) でほぼ縮まる可能性があります。
最後に、100% ターゲット ドメインのトレーニング データを追加で使用すると、精度が 83.35% mAP に向上する可能性があることを示します。

要約(オリジナル)

The availability of real data from areas with high privacy requirements, such as the medical intervention space, is low and the acquisition legally complex. Therefore, this work presents a way to create a synthetic dataset for the medical context, using medical clothing as an example. The goal is to close the reality gap between the synthetic and real data. For this purpose, methods of 3D-scanned clothing and designed clothing are compared in a Domain-Randomization and Structured-Domain-Randomization scenario using an Unreal-Engine plugin or Unity. Additionally a Mixed-Reality dataset in front of a greenscreen and a target domain dataset were used. Our experiments show, that Structured-Domain-Randomization of designed clothing together with Mixed-Reality data provide a baseline achieving 72.0% mAP on a test dataset of the clinical target domain. When additionally using 15% of available target domain train data, the gap towards 100% (660 images) target domain train data could be nearly closed 80.05% mAP (81.95% mAP). Finally we show that when additionally using 100% target domain train data the accuracy could be increased to 83.35% mAP.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google