Toggle navigation
Toggle navigation
This project
Loading...
Sign in
2021-1-capstone-design1
/
LSK_Project1
Go to a project
Toggle navigation
Toggle navigation pinning
Projects
Groups
Snippets
Help
Project
Activity
Repository
Pipelines
Graphs
Issues
0
Merge Requests
0
Wiki
Snippets
Network
Create a new issue
Builds
Commits
Issue Boards
Authored by
손주혜
2021-06-18 22:21:43 +0900
Browse Files
Options
Browse Files
Download
Email Patches
Plain Diff
Commit
3b1c5f17ba39e4250e8ca96362b67b0b2d50d5ca
3b1c5f17
1 parent
b10d3f10
손주혜 내용 README.md 추가
Hide whitespace changes
Inline
Side-by-side
Showing
1 changed file
with
14 additions
and
1 deletions
README.md
README.md
View file @
3b1c5f1
...
...
@@ -74,9 +74,22 @@ ResNet 에서는 ResNet50이 가장 좋은 테스트 결과를 보였으며, 50
-
아무것도 학습시키지 않은 모델에 새로운 흉부 X-ray dataset을 학습시켜 테스트한 경우 (모델 4)
<br/>
<br/>
|Model|1|2|3|4|
다음은 NIH dataset에 multi label classification을 적용한 경우이다.
|ResNet50|Model1|Model2|Model3|Model4|
|:---------:|:---------:|:---------:|:---------:|:---------:|
|Auc(%)|69|64|61|44|
<br>
다음은 NIH dataset에 multi class classification을 적용한 경우이다.
이때 class의 분류는 1) normal, 2) abnormal without Cardiomegaly, 3) abnormal with Cardiomegaly이다.
|DenseNet121|Model1|Model2|Model3|Model4|
|:---------:|:---------:|:---------:|:---------:|:---------:|
|Acc(%)|81.7|80|33|68.3|
<br/>
resnet은 50, densenet은 121의 depth인 경우 모델이 흉부 X-ray 데이터에 최적의 성능을 보였으며, 이 이상의 depth를 가질 경우 과적합 현상에 의해 오히려 테스트 성능이 저하되었다.
<br/>
...
...
Please
register
or
login
to post a comment