《表5 不同方法Drishti-GS1数据集的对比结果》
注:加粗字体为最优值,“—”表示文献未给出结果。
为了验证RA-UNet在视盘分割任务上的有效性和泛化性,在4个数据集上分别和4个基准模型进行对比实验,为了公平对比,4个深度学习的基准模型,分别为UNet(Ronneberger等,2015)、DRIU(deep retinal image understanding)(Maninis等,2016)、DeepDisc(Gu等,2018)和CE-Net(Gu等,2019)。同时,还列出了其他方法在相应文献中的实验结果。表5是在Drishti-GS1的测试集中与其他方法的对比结果。由表5可知,RA-UNet的平均F分数和平均重叠率S为0.966 2和0.934 5,分别比UNet提高了1.65%和3.04%,RA-UNet的重叠率S是最优的。
图表编号 | XD00159735600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.16 |
作者 | 侯向丹、赵一浩、刘洪普、郭鸿湧、于习欣、丁梦园 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北省大数据计算重点实验室、河北省大数据计算重点实验室、河北省大数据计算重点实验室、河北省大数据计算重点实验室 |
更多格式 | 高清、无水印(增值服务) |