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
贡献者
建议更改
PDF
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 |
|---|---|---|
否 |
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 |