《表3 实验结果:结合Sobel算子和Mask R-CNN的肺结节分割》
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
《结合Sobel算子和Mask R-CNN的肺结节分割》
训练时,预训练模型采用COCO数据集的参数.每批次训练两张图片,学习率初值设为0.001,每10轮次迭代衰减10倍.损失函数收敛在0.38左右,测试效果达到了最佳状态,虽然loss还可以进一步的下降,当总共迭代50万次时,loss达到0.25,但测试效果非常差,发生过拟合现象,经过多次训练和模型优化,本文最终选取80000次迭代的模型作为测试模型.评价指标中,,其中P的是预测出的目标所在区域,T指的是目标所在的真实区域,,mAP(mean Average Precision)指平均精度,S是指每张图片的得分,N是所有的测试图片.在优化后的模型上加入Sobel边缘检测算法和阈值分割降噪处理后的实验结果如表3所示,基于IoU指标下的mAP计算规则如(1)(2)所示:
图表编号 | XD00126560700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 闫欢兰、陆慧娟、叶敏超、严珂、金群、徐一格 |
绘制单位 | 中国计量大学信息工程学院、中国计量大学信息工程学院、中国计量大学信息工程学院、中国计量大学信息工程学院、早稻田大学人间科学学术院、中国计量大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |