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。
推斷準確度比較
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來推斷影像偵測使用案例。然後、我們在相同的影像集上執行相同的推斷工作、並在推斷之前新增Protopia模糊功能。我們使用不同的Alpha值來重複執行Protopia混淆元件的工作。在Protopia混淆的情況下、Alpha值代表套用的模糊處理量、而較高的Alpha值代表較高層級的模糊處理。然後我們比較這些不同路跑的推斷準確度。
下表提供使用案例的詳細資料、並概述結果。
Protopia直接與客戶合作、針對特定使用案例來判斷適當的Alpha值。
| 元件 | 詳細資料 |
|---|---|
模型 |
FaceBoxes（PyTorch）- |
資料集 |
FDDB資料集 |
| 普洛皮亞混淆 | Alpha | 準確度 |
|---|---|---|
否 |
不適用 |
0.9337148153739079 |
是的 |
0.05 |
0.9028766627325002 |
是的 |
0.1 |
0.9024301009661478 |
是的 |
0.2 |
0.9081836283186280 |
是的 |
0.4 |
0.90766107482036 |
是的 |
0.6 |
0.8847816568680239 |
是的 |
0.8 |
0.8841195749171925 |
是的 |
0.9. |
0.84554276775252052 |
是的 |
0.95 |
0.84554276775252052 |