文件名称：Malaria-Detection
文件大小：2.4MB
文件格式：ZIP
更新时间：2024-04-01 18:56:24
JupyterNotebook
CNN架构检测疟疾疾病的性能比较 这项研究使用了VGG-16，VGG-19，VGG-16二进制，VGG-19二进制，Alexnet，MobileNet，ResNet34，ResNet50和CNN2D等深度学习算法来从图像中确定感染了疟疾的细胞。 从研究中可以明显看出，名为AlexNet，VGG-16，VGG-19，VGG16二进制，VGG-19二进制，MobileNet，CNN2D，ResNet34和ResNet50的算法的准确度分别为94.84％，92％，92％，97.4％，分别为96.53％，95.42％，96.91％，97.06％和85％。 通过对这9种算法的比较分析，本研究得出了ResNet34，其模型精度为97.06％，是最佳精度给出算法。
【文件预览】：
Malaria-Detection-master
----S2DC&MobileNet.ipynb(2.1MB)
----DATASETS INFORMATIONS.txt(256B)
----git(0B)
----README.md(679B)
----vgg16&19AdPlot.ipynb(603KB)
----MalariaVff.ipynb(2.15MB)