《表2 杆菌及球菌混淆矩阵》
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。
图表编号 | XD00215136400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 董宇波、王蕊、赵慧娟、张书景 |
绘制单位 | 烟台大学光电信息科学技术学院、烟台大学光电信息科学技术学院、滨州医学院公共卫生与管理学院、河北师范大学职业技术学院 |
更多格式 | 高清、无水印(增值服务) |