arXiv · cs.AI· Malithi Nawarathne·· 17 天前AI 评分31
深度学习牙科X光片语义分割研究：PSPNet、DeepLabV3、UNet 与 UNet++ 对比评估
Deep Learning-based Semantic Segmentation of Dental Radiographs: Comparative Evaluation of PSPNet, DeepLabv3, UNet, and UNet++
来源与原文
arXiv · cs.AI
作者：Malithi Nawarathne
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.15061v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究在统一实验条件下对比 PSPNet、DeepLabV3、UNet 和 UNet++ 四种分割模型在 1269 张牙科X光片上的表现。结果显示 UNet++ 最优，IoU 达 0.6719、DICE 达 0.7869，在图像尺寸 300x300、batch size 16 配置下分割效果最好。研究还分析了不同架构下图像分辨率与 batch size 对性能的影响。
来源：arXiv · cs.AI · arxiv.org