12、CompTLL - UNet与中性人体模型可视化方法研究

CompTLL - UNet与中性人体模型可视化方法研究

一、CompTLL - UNet模型实验与分析

1. 数据集与模型训练
   - 数据集 ：使用了ICDAR2017 (cBAD)和ICDAR2019两个基准数据集。ICDAR2017 cBAD数据集包含简单布局（Track A）和复杂布局（Track B）两种类型的文档图像，Track A有216张图像，Track B有267张图像且都有适当标注。ICDAR2019是ICDAR2017的扩展版本，共有1510张图像，增加了更多图像和挑战。
   - 模型训练 ：模型在ICDAR2017和ICDAR2019数据集的JPEG压缩版本上分别进行训练和测试。数据集被分为两部分，90%用于训练，10%用于测试。使用Keras框架设计模型，并在Google Colab pro平台的NVIDIA T4 GPU上进行训练。将压缩输入流调整为512×512大小后输入到深度学习模型CompTLL - UNet中，训练50个周期，批次大小为5。
2. 评估指标
   - 标准指标 ：使用Precision（精确率）、Recall（召回率）和F - Measure（F值）来评估模型性能，公式如下：
   • Precision = $\frac{TP}{TP + FP}×100$
   • Recall = $\frac{TP}{TP + FN}×100$
   • F - Measure = $\fr