《表1 测试结果：基于三维全卷积网络的肝脏和肝癌分割算法研究》
提示：宽带有限、当前游客访问压缩模式
利用LiTS数据集完成5折交叉验证实验，平均测试结果如表1所示。
| 图表编号 | XD0090841500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.25 |
| 作者 | 徐宝泉、凌彤辉 |
| 绘制单位 | 中国科学院上海技术物理研究所、中国科学院大学、中国科学院上海技术物理研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 与其他方法的对比：基于3D全卷积深度神经网络的脑白质病变分割方法》2020.10.01
- 《表3 多种算法测试结果：基于多尺度轻量级卷积网络的PCB裸板缺陷识别算法》2020.10.28
- 《表1：基于自监督学习的卷积神经网络在CT图像中的肝脏自动分割研究》2021.01.01
- 《表3 算法性能对比：基于定位置信度和区域全卷积网络的火焰检测方法》2020.10.25
- 《表4 算法处理时间对比：基于多分支全卷积神经网络的低照度图像增强》2020.07.25
- 《表3 对比算法测试结果：基于改进深度卷积生成对抗网络的路面指示标志识别方法》2020.06.28
- 《表4 测试集详细结果：基于深度残差全卷积网络的Landsat 8遥感影像云检测方法》2020.05.25
- 《表1 着色结果定量评估：基于改进的区域全卷积神经网络和联合双边滤波的图像着色方法》2020.06.25
- 《表1 网络基本特征对比：用于室内环境语义分割的全卷积网络》2020.08.01
- 《表4 基于全卷积网络的MRI脑肿瘤分割方法评估结果》2020.02.16
- 《表4 测试样本信息：基于卷积神经网络的京杭大运河遥感影像水质分类算法研究》2020.02.10
- 《表2 泛化性能对比：基于残差全卷积网络的图像拼接定位算法》2019.09.30
- 《表3 算法性能效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表2 3种算法效果对比：基于全卷积神经网络的多尺度人脸检测》2019.10.25
- 《表7 综合测试结果：一种改进深度卷积生成对抗网络的人脸分割方法》2019.10.25
- 《表2 裂缝标签对应表：基于改进的全卷积神经网络的路面裂缝分割技术》2019.08.15
- 《表2 BP神经网络和卷积神经网络算法测试结果》2019.02.01
- 《表3 模型分割结果：基于全卷积神经网络的林木图像分割》2019.02.15
- 《表2 混淆矩阵：基于全卷积神经网络的林木图像分割》2019.02.15
- 《表3 肿瘤分割结果比较：基于级联式三维卷积神经网络的肝肿瘤自动分割》2019.11.25