cppe-5
קוד פתוחrishitdagliunknown2022-03-02
תמונות אותנטיות לזיהוי ציוד מגן רפואי עם תיוגי תיחום מורכבים. הוא מתאים למי שבונה מודל ראייה ממוחשבת שמיועד לזהות פריטים ספציפיים כמו מסכות או מגיני פנים בזוויות אמיתיות.
- 1,707הורדות בחודש
- 23לייקים
מה זה
המאגר מכיל 1,029 תמונות בלבד, שמחולקות לסט אימון של 1,000 תמונות וסט בדיקה מצומצם מאוד של 29 תמונות. כל רשומה כוללת תמונה ברזולוציה מקורית, ממדי גובה ורוחב, ומילון אובייקטים עם מזהים, שטח, קטגוריות ותיבות תוחמות בפורמט COCO. יש בממוצע כ־4.6 תיבות לתמונה, בחמש קטגוריות: חליפות מגן, מגיני פנים, כפפות, משקפי מגן ומסכות.
התמונות נאספו ברובן מ־Flickr וחלק קטן מחיפוש תמונות ב־Google, תוך שמירה על זוויות טבעיות ולא מבוימות. היוצרים סיננו כפילויות באמצעות מתארי GIST והורידו תכנים לא הולמים בעזרת מנגנוני הסינון של הפלטפורמות. התיוג נעשה בשני שלבים על ידי מתנדבים בכלי LabelImg, כאשר כל תמונה סומנה על ידי שני אנשים בנפרד, ובמקרה של חוסר התאמה מתנדב שלישי הכריע ואימת את התוצאה.
מתאים ל
- אימון מודל זיהוי ציוד
כוונון עדין של מודלי זיהוי אובייקטים לזיהוי חמשת פריטי המגן הרפואיים בתנאי שטח לא מבוימים.
- בדיקת ביצועים בזוויות קשות
בחינת עמידות של מודלים קיימים מול תמונות שאינן תמונות קטלוג סטנדרטיות.
- מחקר סיווג מפורט
מחקר אקדמי על הפרדה בין תתי-קטגוריות קרובות של ציוד רפואי כמו משקפי מגן מול מגן פנים.
איפה זה נופל
הבעיה הבולטת ביותר היא הגודל. עם 1,000 תמונות אימון ו־29 תמונות בדיקה בלבד, קשה מאוד לאמן כאן מודל מאפס או לבצע ולידציה סטטיסטית אמינה בלי דאטה נוסף. מעבר לזה, הכרטיס מציין שהמידע על הטיות, מגבלות נוספות ופרטיות חסר לחלוטין. התמונות נאספו מהרשת הפתוחה, כך שאין שום תיעוד לגבי גיוון אתני, תנאי תאורה בבתי חולים ספציפיים או הסכמה של האנשים המצולמים, מה שמחייב בדיקה ידנית זהירה לפני שמעלים מודל כזה לסביבת עבודה אמיתית.
שאלות
נפוצות
האם מותר להשתמש במאגר לפרויקט מסחרי?
לא מומלץ בכלל. הרישיון מסומן כלא ידוע, ובכרטיס אין מידע על זכויות היוצרים של התמונות שנאספו מהרשת. ללא רישיון ברור, שימוש מסחרי חושף אתכם לתביעות זכויות יוצרים.
האם יש במאגר תוכן או ייצוג בעברית?
לא. התמונות הן ויזואליות בלבד ממאגרים גלובליים, והשפה המוגדרת במטא-דאטה ובשמות הקטגוריות היא אנגלית בלבד.
במה הוא שונה ממאגרי זיהוי אובייקטים רגילים?
רוב המאגרים מתמקדים בקטגוריות רחבות או בתמונות שבהן האובייקט ממורכז וברור. כאן התמונות מציגות ציוד רפואי בתנאי יום-יום ומזוויות שונות, עם פירוק לחמש קטגוריות מגן ספציפיות.
האם סט הבדיקה מספיק כדי להעריך מודל בצורה מקצועית?
קשה להסתמך עליו. סט הבדיקה כולל 29 תמונות בלבד, שזה מדגם קטן מדי לקבלת מדדי דיוק מובהקים, ולכן תצטרכו להגדיר חלוקה מחדש או להביא נתוני בדיקה חיצוניים.
איך טוענים
הנתונים יושבים בקובצי Parquet סטנדרטיים ומחולקים לשני קבצים, אחד לאימון ואחד לבדיקה. אין צורך באישור גישה או בהרשמה מיוחדת, טוענים ישירות דרך הספרייה הרגילה של Hugging Face. שימו לב שבקריאת עמודת התמונה נוצר פענוח אוטומטי של קובץ ה־PIL, ולכן מומלץ לגשת קודם לאינדקס של השורה ורק אז לשלוף את התמונה עצמה כדי למנוע קפיצה פתאומית בצריכת הזיכרון וזמני המתנה ארוכים.
from datasets import load_dataset
ds = load_dataset("rishitdagli/cppe-5")הרישיון
הרישיון מוגדר כלא ידוע, וגם בכרטיס המקורי לא צוינו תנאי שימוש. בנוסף, התמונות נלקחו מיוצרים שונים ב־Flickr ובגוגל. במצב כזה אין אישור לשימוש מסחרי, ואי אפשר לדעת אם מותר להפיץ מודל שאומן על הנתונים. לצורכי מחקר עצמאי זה יכול לעבור, אבל לחברות אסור לגעת בזה בלי בירור משפטי מול היוצרים.