羊肉分割：基于FCN和UNet模型的CT图像分割

使用 FCN 和 5 种不同的 UNet 模型对来自 25 只澳大利亚白羊座公羊和杜珀公羊的 1471 张 CT 图像进行图像分割，包括腰部区域。采用 5 倍交叉验证的方法，对每个模型进行训练和测试，以确保结果的准确性和可靠性。

对于 FCN 模型，使用全卷积神经网络进行训练和测试。对于 UNet 模型，使用 5 种不同的 UNet 模型，包括标准 UNet 模型、改进 UNet 模型、改进 UNet 模型 2、改进 UNet 模型 3 和改进 UNet 模型 4。这些模型都是基于 UNet 架构进行改进的，以提高分割精度和减少误差。

在训练过程中，使用数据增强技术，包括旋转、翻转、缩放等，以增加数据样本量和提高模型的鲁棒性。同时，使用批量归一化和 dropout 技术，以避免过拟合和提高模型的泛化能力。

经过训练和测试，得到了每个模型的分割精度、召回率和 F1 得分等评价指标。通过比较不同模型的评价指标，可以选择出最优的模型，用于对新的数据进行分割。