《表6 训练时长对比:U-net与Dense-net相结合的视网膜血管提取》
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
《U-net与Dense-net相结合的视网膜血管提取》
如表6所示,本文模型训练周期为20个,每个周期耗时约113 s,在10个训练周期后分割准确率趋于稳定。原始U-net模型训练周期为150个,每个训练周期时长约135 s,大约在120个训练周期后分割准确率趋于稳定。从表5可以看出,本文模型在训练时长上有所减少,主要原因在于:1)模型中加入的稠密连接机制能综合利用每一层隐藏层提取的有效信息,使得模型在首个训练周期的分割结果就比较接近标签,这样在接下来的训练中就能在更少的训练周期后达到较高的准确率;2)模型中使用的批量标准化能够将每次经过非线性变换后的数据拉回到均值为0、方差为1的标准正态分布下,从而加快网络的学习效率。
图表编号 | XD0098408000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.16 |
作者 | 徐光柱、胡松、陈莎、陈鹏、周军、雷帮军 |
绘制单位 | 三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室、三峡大学计算机与信息学院、三峡大学计算机与信息学院、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室、三峡大学第一临床医学院超声科、三峡大学计算机与信息学院、湖北省水电工程智能视觉监测重点实验室 |
更多格式 | 高清、无水印(增值服务) |