《表2 分级模型ROC比较》
由表1和表2可以看出,改进R-FCN比原始R-FCN在五分类精度上有所提升,从91.82%提升到92.92%,但是由于增加了FPN,导致计算量增加,对于医生而言精度优于速度,计算速度降低的副作用还在接受范围内。Faster R-CNN略次于R-FCN。对于非目标检测的纯分类VGG-16表现较差,由于没有预处理和裁剪图像,纯分类的CNN模型难以适应任意尺寸或没有切除背景的输入图像,不能对未知尺寸的图片正确预测,除非CNN对测试数据集中的图片尺度进行多尺度训练。即使在纯分类的任务上,目标检测算法也能很好地胜任。
图表编号 | XD00119704200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.15 |
作者 | 王嘉良、罗健旭、刘斌、冯瑞、邹海东 |
绘制单位 | 华东理工大学信息科学与工程学院、华东理工大学信息科学与工程学院、上海无线电设备研究所、复旦大学计算机科学与工程学院、上海市眼科医院 |
更多格式 | 高清、无水印(增值服务) |