《表2 杆菌及球菌混淆矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《革兰氏染色细菌显微图像深度学习分类与计数》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

我们对多张革兰氏染色细菌显微图像进行实验，并分别记录两种深度学习模型识别计数的结果。图9显示了VGGNet模型和ResNet模型的结果。表1和表2分别列出了阳性及阴性菌和杆菌及球菌的混淆矩阵[18]。混淆矩阵对应行代表实际情况，列代表深度学习判定的情况。实验结果表明，VGGNet模型和ResNet模型在阴性细菌和阳性细菌的分类中均有较好的表现。然而，在杆菌和球菌的分类上，ResNet模型优于VGGNet模型。另外，ResNet比VGGNet平均少花9%的时间，在图9所展示的3组图像结果中ResNet和VGGNet的计算时间分别为178.1、111.4、95.9 s和185.4、137.4、100.2 s。