우리는 기존의 주로 광범위한 카테고리(예: PASCAL VOC, ImageNet, Microsoft COCO, OpenImages 등)에 초점을 둔 다른 인기 있는 데이터셋에서는 불가능한 의료용 개인 보호 장비의 하위 카테고리 분류 연구를 가능하게 하기 위해, CPPE-5(의료용 개인 보호 장비)라는 새로운 도전적인 데이터셋을 제안한다. 이 데이터셋을 통해 훈련된 모델이 복잡한 시나리오에서 실제 환경에 쉽게 활용될 수 있도록 하기 위해, 각 장면에 여러 객체가 자연스러운 맥락 속에 포함된 복잡한 장면 이미지 중심으로 구성되었다. 본 데이터셋의 이미지 수집 전략은 가능한 한 많은 비아이콘(비상징적) 이미지를 확보하고, 모든 이미지가 실제 생활 속에서 촬영된 진짜 이미지임을 보장하는 데 중점을 두었다. 이는 기존 유사 분야의 데이터셋들과의 주요 차별점이다. CPPE-5 데이터셋은 코버올스, 페이스 쉴드, 장갑, 마스크, 안경의 5개 객체 카테고리를 포함하며, 각 이미지는 경계 상자(bounding box)와 긍정적 레이블의 집합으로 주석이 달려 있다. 우리는 CPPE-5 데이터셋을 다른 인기 있는 광범위한 카테고리 데이터셋들과 개인 보호 장비에 특화된 데이터셋들과 비교하여 심층적인 분석을 수행하였고, 현재까지 공개적으로 이용 가능한 동일한 목적의 데이터셋은 존재하지 않는다는 점을 발견하였다. 마지막으로, 기준 모델 및 최신 기술 모델에 대해 경계 상자 결과에 대한 성능과 모델 복잡도를 비교 분석하였다. 본 연구의 코드, 데이터 및 학습된 모델은 https://git.io/cppe5-dataset 에서 공개되어 있다.