《表3 基于U-Net网络不同算法性能指标比较》
为进一步说明本文算法将带有二次循环残差卷积模块的上下采样卷积层和带有注意力模块的跳跃连接与U-Net网络融合具有一定的优势,本文将基于原始U-Net网络进行部分调整,并在DRIVE数据集进行了对比实验,测试其准确率、敏感性、特异性、F1值与AUC值,如表3所示,表中:N1表示为原始U-Net网络对眼底图像进行的分割结果;N2表示为仅更改卷积层为R2CU的U-Net分割结果;N3表示为融合注意力机制的跳跃连接方法的U-Net分割结果;N4表示本文算法分割结果。
图表编号 | XD00147687600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 薛文渲、刘建霞、刘然、袁晓辉 |
绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、北德克萨斯州大学计算机系 |
更多格式 | 高清、无水印(增值服务) |