《表3 使用数据增强前后模型的识别准确率》

  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

《基于改进的AlexNet的乳腺肿瘤智能诊断方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图5展示了训练过程中AlexNet网络在未使用和使用数据增强技术两种情况下的识别准确率变化曲线。网络在测试集上的评估结果如表3所示。未使用数据增强技术的原始数据集样本少，网络在40个epoch之前一直处于不断学习的状态，拟合效果较差，测试集上的准确率只有75.7%。而图5(b）中展示的训练过程，由于使用了数据增强扩充数据集使得网络能够在大规模数据集进行上训练，在10个epoch之后就开始收敛，对原始数据的拟合效果较好，测试集上的准确率达到88.8%。实验结果表明了数据增强后的数据集可保证网络进行快速、充分的学习，从而提高模型对高分辨率医学病理图像的分类准确性，使最终的辅助诊断结果更可靠。