简体中文版经机器翻译而成,仅供参考。如与英语版出现任何冲突,应以英语版为准。

推理准确性比较

在此验证中、我们使用一组原始映像为图像检测用例执行推理。然后、我们对同一组图像执行了相同的推理任务、并在推理之前添加了质子模糊。我们对Protopia混淆组件使用不同的alpha值重复执行此任务。在Protopia混淆的上下文中、alpha值表示应用的混淆量、较高的alpha值表示较高的混淆级别。然后、我们对这些不同的运行中的推理准确性进行了比较。

以下两个表提供了有关我们使用情形的详细信息并概述了结果。

Protopia直接与客户合作、为特定使用情形确定适当的alpha值。

组件 详细信息

型号

面板(PyTorch)-

数据集

FDDB数据集

前倾混淆 字母 准确性

不适用

0.9337148153739079

是的。

0.05

0.9028766627325002

是的。

0.1

0.9024301009661478

是的。

0.2

0.9081836283186224

是的。

0.4

0.9073066107482036

是的。

0.6

0.8847816568680239

是的。

0.8

0.8841195749171925

是的。

0.9

0.8455427675252052

是的。

0.95

0.8455427675252052