一、为什么要训练三个模型
三个模型解决的是同一个任务，但网络结构不同：
- ResNet18：层数较浅，残差结构简单，推理速度快；
- ResNet50：网络更深，使用瓶颈残差块，参数量更大；
- DenseNet121：层与层之间密集连接，特征复用能力较强。
对比实验必须尽量控制变量。三个模型应使用相同的数据划分、输入尺寸、数据增强、类别顺序和评价方法。否则指标差异可能来自实验条件，而不是网络结构。
二、实验结果
本项目得到的测试结果如下：
| 模型 | 参数量/M | 准确率 | Macro-F1 | 正常召回 | 细菌性召回 | 病毒性召回 | 推理耗时/ms |
|---|---|---|---|---|---|---|---|
| ResNet18 | 11.18 | 0.8237 | 0.8239 | 0.8931 | 0.7820 | 0.8310 | 35.70 |
| DenseNet121 | 6.96 | 0.8068 | 0.8067 | 0.8805 | 0.7716 | 0.7958 | 86.20 |
| ResNet50 | 23.51 | 0.8017 | 0.8020 | 0.9245 | 0.7578 | 0.7535 | 84.10 |
从结果看，ResNet18 的准确率和 Macro-F1 最高，同时推理速度最快，因此被选为系统默认模型。
三、为什么模型更深却不一定更准确
“网络越深，效果越好”只在一定条件下成立。ResNet50 在本项目中没有超过 ResNet18，可能有以下原因：
- 数据集规模有限，深层模型更容易过拟合；
- 胸片类别之间的差异较细，数据质量和标签噪声可能成为主要瓶颈；
- 不同架构对学习率、冻结层数和训练轮数的最佳设置不同；
- 更大的模型需要更多训练数据和更充分的超参数搜索；
- 单次实验会受到随机初始化和数据顺序影响。
因此，选择部署模型不能只看网络深度或参数量。
四、为什么使用Macro-F1
准确率的计算方式是：
Accuracy = 正确预测数量 / 总样本数量当各类别样本数量不均衡时，准确率可能被数量最多的类别主导。Macro-F1 会分别计算每个类别的 F1，再取算术平均：
Macro-F1 = (F1_normal + F1_bacteria + F1_virus) / 3它给予三个类别相同权重，更适合观察模型是否只擅长某一个类别。
五、如何理解类别召回率
召回率表示某一类别的真实样本中，有多少被模型成功找出：
Recall = TP / (TP + FN)ResNet50 的正常类召回率达到 0.9245，但细菌性和病毒性肺炎召回率较低。这说明它更容易识别正常胸片，却可能漏掉更多肺炎样本。医疗辅助场景不能只追求某一个类别的高指标，需要综合观察各类别表现。
六、选择部署模型的原则
模型选择可以综合考虑：
- Macro-F1 和准确率；
- 重点类别召回率；
- 单张推理耗时；
- 参数量和内存占用；
- Grad-CAM 是否关注合理区域；
- 在真实部署环境中的稳定性。
本项目最终选择 ResNet18，是因为它在效果和效率之间取得了更好的平衡，而不是因为它名字更简单。
七、实验还可以怎样改进
更严格的实验可以让每个架构使用不同随机种子重复训练三至五次，并报告平均值和标准差。例如：
ResNet18 Macro-F1 = 0.824 ± 0.006还可以增加交叉验证、置信区间、ROC-AUC、PR 曲线以及错误样本分析。毕业设计如果时间有限，至少要保证三个模型的数据划分和评价流程一致。
八、总结
训练多个模型的目的不是凑数量，而是通过受控实验回答“哪种架构更适合当前任务”。本实验说明，参数更多、网络更深并不必然带来更好的结果，最终模型应依据效果、速度和风险共同选择。
参考标签
ResNet18ResNet50DenseNet121模型对比深度学习胸片分类
