在2023年9月，我们进行了一系列的实验，以评估不同模型在各种背景下的性能。这些模型包括DUC_HDC、HRNet和DCDNet。通过这些实验，我们希望能够更好地理解每个模型在不同环境中的表现，并为未来的模型优化提供数据支持。
实验结果显示，DUC_HDC模型在大多数情况下表现出色，尤其是在2023年9月10日和9月7日的测试中，其性能达到了0.68和0.672。HRNet模型虽然在某些日期表现略逊于DUC_HDC，但在9月8日的测试中，其性能与DUC_HDC持平，均为0.672。DCDNet模型在9月7日的测试中表现最佳，达到了0.68的性能指标。
为了更直观地展示这些数据，我们使用iChartCool工具生成了一个图表，该图表详细展示了2023年9月不同日期下各模型的性能对比。通过这个图表，用户可以清晰地看到每个模型在不同日期的性能变化趋势。
以下是具体的实验数据表格，展示了每个模型在不同日期的性能指标：
| 日期 | DUC_HDC | HRNet | DCDNet |
|---|---|---|---|
| 2023-09-10 | 0.68 | 0.672 | 0.68 |
| 2023-09-09 | 0.664 | 0.664 | 0.672 |
| 2023-09-08 | 0.664 | 0.672 | 0.664 |
| 2023-09-07 | 0.672 | 0.664 | 0.68 |
| 2023-09-06 | 0.392 | 0.376 | 0.408 |
通过这些数据和图表，我们可以清楚地看到每个模型在不同背景下的性能表现。这不仅有助于我们理解模型的优缺点，还为未来的模型优化和选择提供了重要的参考依据。