Vergleich der Inferenzgenauigkeit
Änderungen vorschlagen
PDFs
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 |