《表2 定量对比不同模型在测试集数据上的分割效果》
为评价本研究模型,将其与3种经典的图像分割方法Ostu、Seg Net和FCN进行比较。其中,Ostu利用自动阈值进行图像分割。Seg Net使用4个卷积模块进行下采样操作,每个模块包括2或3次的卷积操作和1次最大池化操作。在对下采样结果连续4次上采样,每次图像扩大一倍。最终使用Sigmoid激活函数将结果二值化,得到分割结果。FCN使用VGG16预训练网络作为模型的下采样模块,该部分结构不参与训练。上采样使用Re Lu激活的反卷积操作,逐级将结果与VGG16的第5、4、3模块的最后一次卷积结果相加,得到最终的分割预测结果。两个模型都在binary cross entropy损失函数,Adam优化器的条件下进行训练,一共训练包含15轮,每轮包含640批处理,每批次包含2张图。训练后损失函数值和准确率都趋于稳定,两个模型的准确率都稳定在85%左右(表2)。
图表编号 | XD00204544300 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.25 |
作者 | 阎彧萱、卢金旺、宋奕泓、旷小宇、田原、傅静雁 |
绘制单位 | 中国农业大学生物学院农业生物技术国家重点实验室、中国农业大学生物学院农业生物技术国家重点实验室、中国农业大学生物学院农业生物技术国家重点实验室、中国农业大学生物学院农业生物技术国家重点实验室、中国农业大学生物学院农业生物技术国家重点实验室、中国农业大学生物学院农业生物技术国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |