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

12/13/2023 贡献者

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

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

推理准确性比较

Creating your file...