Skip to main content
NetApp Solutions
Die deutsche Sprachversion wurde als Serviceleistung für Sie durch maschinelle Übersetzung erstellt. Bei eventuellen Unstimmigkeiten hat die englische Sprachversion Vorrang.

Vergleich der Inferenzgenauigkeit

Beitragende

Für diese Validierung haben wir mithilfe eines Satzes an RAW-Bildern Inferenz für einen Anwendungsfall der Bilderkennung durchgeführt. Dann führten wir dieselbe Inferenzaufgabe auf demselben Bildersatz durch, wobei vor der Inferenz die Protopia-Obfuskation hinzugefügt wurde. Wir haben die Aufgabe mit unterschiedlichen Werten VON ALPHA für die Komponente Protopia obfuscation wiederholt. Im Zusammenhang mit der Protopia-Obfuskation stellt der ALPHA-Wert die Menge der aufgetragenen Obfuskation dar, wobei ein höherer ALPHA-Wert ein höheres Maß an Obfuskation darstellt. Dann haben wir die Genauigkeit der Inferenz in diesen verschiedenen Durchläufen verglichen.

Die folgenden beiden Tabellen enthalten Details zu unserem Anwendungsfall und geben die Ergebnisse an.

Protopia arbeitet direkt mit den Kunden zusammen, um den passenden ALPHA-Wert für einen bestimmten Anwendungsfall zu ermitteln.

Komponente Details

Modell

FaceBoxes (PyTorch) -

Datensatz

FDDB-Datensatz

Protopia obfuscation ALPHA Genauigkeit

Nein

K. A.

0.9337148153739079

Ja.

0.05

0.9028766627325002

Ja.

0.1

0.9024301009661478

Ja.

0.2

0.9081836283186224

Ja.

0.4

0.9073066107482036

Ja.

0.6

0.8847816568680239

Ja.

0.8

0.8841195749171925

Ja.

0.9

0.8455427675252052

Ja.

0.95

0.8455427675252052