基于计算机图像识别功能及性能相关测试方法技术

本发明专利技术涉及图像识别技术领域，尤其涉及基于计算机图像识别功能及性能相关测试方法，针对当前现有的图像识别模型仍存在功能较少、性能较弱，导致测试的工作效率低下的问题，现提出如下方案，其中包括以下步骤：S1：测试数据的收集和处理,S2:测试数据的理解以及相关特征提，S3：算法模型的构建、训练和评估,S4：算法性能测试,本发明专利技术的目的是通过针对计算机图像识别模型提供合适的测试方法，针对不同的场景选择不同的测试方法，提高测试的精确度，同时提高工作效率。高工作效率。高工作效率。

【技术实现步骤摘要】
基于计算机图像识别功能及性能相关测试方法


[0001]本专利技术涉及图像识别
，尤其涉及基于计算机图像识别功能及性能相关测试方法。

技术介绍

[0002]图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。人的图像识别能力是很强的。图像距离的改变或图像在感觉器官上作用位置的改变，都会造成图像在视网膜上的大小和形状的改变。即使在这种情况下，人们仍然可以认出他们过去知觉过的图像。甚至图像识别可以不受感觉通道的限制。图像识别是人工智能的一个重要领域，为了编制模拟人类图像识别活动的计算机程序，人们提出了不同的图像识别模型。所以针对图像识别的模型的准确性和高效性我们需要进行更加全面的测试以达到图像识别更好的替代人类的图像识别能力。
[0003]由于目前现有的图像识别模型仍存在功能较少、性能较弱，导致测试的工作效率低下等问题，因此，我们提出基于计算机图像识别功能及性能相关测试方法。

技术实现思路

[0004]本专利技术的目的是为了解决目前现有的图像识别模型仍存在功能较少、性能较弱，导致测试的工作效率低下等问题，而提出的基于计算机图像识别功能及性能相关测试方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：基于计算机图像识别功能及性能相关测试方法，包括以下步骤：S1：测试数据的收集和处理：根据需要测试的内容收集相关测试需要的数据；S2：测试数据的理解以及相关特征提：对分好类的图像进行相应的特征提取，根据提取的特征找到样本，保证最终识别的准确性；S3：算法模型的构建、训练和评估：构建并训练算法模型，同时在算法模型构建和训练完后对其准确性进行评估；S4：算法性能测试：在功能测试完成后对算法的性能进行相应的测试；优选的，所述S1中，通过摄像设配在动态的场景和复杂背景中判断是否存在需要识别的对象，并且通过处理分离出所需要的对象，同时收集测试需要的数据；优选的，所述S2中，获取到原始测试数据后，先分析数据的有效性，将数据中有用的特征信息进行提取，所述有用的特征信息进行提取前需对提取需要使用的机器进行样本训练，已达到更好的准确性，其中进行样本训练时使用的样本需包括样本的所有类型，识别的对象的是车子则需要找到各种型号、尺寸、品牌、样式的车；优选的，所述S3中，计算机通过相似度对图片进行对比识别，其中进行图片的对比识别时产生一个阈值，并在设置相似度时提供一个百分比，高于该百分比时比对通过，低于
时则比对不通过，其中所述阈值不唯一，在测试时需要不断的尝试不同的阈值直至达到一个准确的平衡点，将达到准确的平衡点作为阈值，且在针对不同的算法模型时需要进行针对性的测试；优选的，所述S4中，通过手工以及自动化方法进行算法的性能测试，同时对同一张图片在准确度未达到上限情况下将识别的速度进行优化，其中所述优化方法是通过对同一张图片对算法性能进行多次测试。
[0006]与现有技术相比，本专利技术的有益效果是：1、通过针对计算机图像识别模型提供合适的测试方法，针对不同的场景选择不同的测试方法，提高测试的精确度，同时提高工作效率。
[0007]本专利技术的目的是通过针对计算机图像识别模型提供合适的测试方法，针对不同的场景选择不同的测试方法，提高测试的精确度，同时提高工作效率。
附图说明
[0008]图1为本专利技术提出的基于计算机图像识别功能及性能相关测试方法的流程图；图2为本专利技术提出的基于计算机图像识别功能及性能相关测试方法的AI核心构架图。
具体实施方式
[0009]下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0010]实施例一参照图1
‑
2，基于计算机图像识别功能及性能相关测试方法，包括以下步骤：S1：测试数据的收集和处理：通过摄像设配在动态的场景和复杂背景中判断是否存在需要识别的对象，并且通过处理分离出所需要的对象，同时收集测试需要的数据；S2：测试数据的理解以及相关特征提：获取到原始测试数据后，先分析数据的有效性，将数据中有用的特征信息进行提取，所述有用的特征信息进行提取前需对提取需要使用的机器进行样本训练，已达到更好的准确性，其中进行样本训练时使用的样本需包括样本的所有类型，识别的对象的是车子则需要找到各种型号、尺寸、品牌、样式的车；S3：算法模型的构建、训练和评估：计算机通过相似度对图片进行对比识别，其中进行图片的对比识别时产生一个阈值，并在设置相似度时提供一个百分比，高于该百分比时比对通过，低于时则比对不通过，其中所述阈值不唯一，在测试时需要不断的尝试不同的阈值直至达到一个准确的平衡点，将达到准确的平衡点作为阈值，且在针对不同的算法模型时需要进行针对性的测试；S4：算法性能测试：通过手工以及自动化方法进行算法的性能测试，同时对同一张图片在准确度未达到上限情况下将识别的速度进行优化，其中所述优化方法是通过对同一张图片对算法性能进行多次测试。
[0011]实施例二参照图1
‑
2，基于计算机图像识别功能及性能相关测试方法，包括以下步骤：S1：测试数据的收集和处理：通过摄像设配在动态的场景和复杂背景中判断是否
存在需要识别的对象；S2：测试数据的理解以及相关特征提：获取到原始测试数据后，先分析数据的有效性，将数据中有用的特征信息进行提取，所述有用的特征信息进行提取前需对提取需要使用的机器进行样本训练，已达到更好的准确性，其中进行样本训练时使用的样本需包括样本的所有类型，识别的对象的是车子则需要找到各种型号、尺寸、品牌、样式的车；S3：算法模型的构建、训练和评估：计算机通过相似度对图片进行对比识别，其中进行图片的对比识别时产生一个阈值，并在设置相似度时提供一个百分比，高于该百分比时比对通过，低于时则比对不通过，其中所述阈值不唯一，在测试时需要不断的尝试不同的阈值直至达到一个准确的平衡点，将达到准确的平衡点作为阈值，且在针对不同的算法模型时需要进行针对性的测试；S4：算法性能测试：通过手工以及自动化方法进行算法的性能测试，同时对同一张图片在准确度未达到上限情况下将识别的速度进行优化，其中所述优化方法是通过对同一张图片对算法性能进行多次测试。
[0012]实施例三参照图1
‑
2，基于计算机图像识别功能及性能相关测试方法，包括以下步骤：S1：测试数据的收集和处理：通过摄像设配在动态的场景和复杂背景中判断是否存在需要识别的对象，并且通过处理分离出所需要的对象，同时收集测试需要的数据；S2：测试数据的理解以及相关特征提：获取到原始测试数据后，先分析数据的有效性，将数据中有用的特征信息进行提取；S3：算法模型的构建、训练和评估：计算机通过相似度对图片进行对比识别，其中进行图片的对比识别时产生一个阈值，并在设置相似度时提供一个百分比，高于该百分比时比对通过，低于时则比对不通过，其中所述阈值不唯一，在测试时需要不断的尝试不同的阈值直至达到一个准确的平衡点，将达到准确的平衡点作为阈值，且在针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于计算机图像识别功能及性能相关测试方法，其特征在于，包括以下步骤：S1：测试数据的收集和处理：根据需要测试的内容收集相关测试需要的数据；S2：测试数据的理解以及相关特征提：对分好类的图像进行相应的特征提取，根据提取的特征找到样本，保证最终识别的准确性；S3：算法模型的构建、训练和评估：构建并训练算法模型，同时在算法模型构建和训练完后对其准确性进行评估；S4：算法性能测试：在功能测试完成后对算法的性能进行相应的测试。2.根据权利要求1所述的基于计算机图像识别功能及性能相关测试方法，其特征在于，所述S1中，通过摄像设配在动态的场景和复杂背景中判断是否存在需要识别的对象，并且通过处理分离出所需要的对象，同时收集测试需要的数据。3.根据权利要求1所述的基于计算机图像识别功能及性能相关测试方法，其特征在于，所述S2中，获取到原始测试数据后，先分析数据的有效性，将数据中有用的特征信息进行提取。4.根据权利要求3所述的基于计算机图像识别功能及性能相关测试方法，其特征在于，所述有用的特征信息进行提取前需对提取需要使用的机器进行样本...

【专利技术属性】
技术研发人员：潘云飞，杨林，
申请(专利权)人：杭州迪英加科技有限公司，
类型：发明
国别省市：