《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） |
