DL00265-基于注意力机制Unet的视网膜血管语义分割实现含对比实验

完整代码见文末方式

来自 HRF、DRIVE 和 STARE 数据集的图像用于训练和测试。在训练模型之前应用以下预处理步骤：

- 绿色通道选择
- 对比度限制自适应直方图均衡（CLAHE）
- 裁剪成尺寸为 512 x 512 的非重叠块

保留 10 张来自 DRIVE 和 STARE 的图像以及 12 张来自 HRF 的图像用于测试模型。然后将训练数据集按 70:30 的比例分割以进行训练和验证。

使用学习率为 0.001 的 Adam 优化器作为优化器，使用 IoU 损失作为损失函数。使用 NVIDIA Tesla P100-PCIE GPU 对模型进行了 150 个周期的训练，批量大小为 16。
模型如下：
Simple U-NET
Residual U-NET (Res-UNET)
Attention U-NET
Residual Attention U-NET (RA-UNET)