《表5 不同方法Drishti-GS1数据集的对比结果》

  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

《融合残差注意力机制的UNet视盘分割》

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

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。