【《基于UNet的肾肿瘤图像分割分析案例》6100字】_第1页
【《基于UNet的肾肿瘤图像分割分析案例》6100字】_第2页
【《基于UNet的肾肿瘤图像分割分析案例》6100字】_第3页
【《基于UNet的肾肿瘤图像分割分析案例》6100字】_第4页
【《基于UNet的肾肿瘤图像分割分析案例》6100字】_第5页
已阅读5页,还剩11页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

-4轻量化模型Dice模型DiceSizeUNet86.3%285MBMUNet87.1%48MBGUNet85.4%23MBGDUNet66.3%16MB从表4-4可知,MUNet效果最好,Dice值为87.1%,高于其他模型,超出原UNet模型0.7%,模型尺寸约为UNet的六分之一。GDUNet虽然尺寸最小,但是效果最差,Dice值仅有70.3%。GUNet的Dice低于MUNet模型1.7%,UNet模型0.9%,模型Size约为前者的二分之一,后者的十二分之一。具体分割结果如图4-12所示。(a)图片(b)标签(c)MUNet(d)GDUNet(e)GUNet图4-12轻量化模型效果从图4-12中可以看出,MUNet和GDUNet效果相对较好,GUNet效果很差,其原因在于解码部分使用Ghost模块过多。说明Ghost模型更适合在Backbone,即特征提取结构使用。

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论