本繁體中文版使用機器翻譯，譯文僅供參考，若與英文版本牴觸，應以英文版本為準。
推理精度比較
貢獻者
建議變更
PDF
為了進行此驗證，我們使用一組原始影像對影像檢測用例進行了推理。然後，我們對同一組圖像執行相同的推理任務，並在推理之前添加了 Protopia 混淆。我們使用 Protopia 混淆組件的不同 ALPHA 值重複了這個任務。在 Protopia 混淆的背景下，ALPHA 值表示所應用的混淆量，ALPHA 值越高表示混淆等級越高。然後，我們比較了這些不同運行的推理準確性。
以下兩個表格提供了有關我們的用例的詳細資訊並概述了結果。
Protopia 直接與客戶合作，確定特定用例的適當 ALPHA 值。
| 成分 | 細節 |
|---|---|
模型 |
FaceBoxes（PyTorch）- |
數據集 |
FDDB資料集 |
| 原始托邦的混淆 | 阿爾法 | 準確性 |
|---|---|---|
不 |
不適用 |
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 |