一种基于深度算子的神经网络模型测试充分性评估方法技术

本发明专利技术公开了一种基于深度算子的神经网络模型测试充分性评估方法，先构建测试数据集，根据待测模型的运行结果收集测试输出；遍历所有与当前真实标签不同的其他两个标签的组合，并计算原始输出到当前选定的边界三角形平面区域的投影点；其次，对于由选定标签组生成的边界三角形按照预设的递归轮数进行划分；并根据所有当前边界三角形区域中的投影点与划分区域的相交信息，判定哪些区域被覆盖；最后，通过汇总所有正确标签类，所有边界三角形，对当前待评估深度算子数据集关于待测神经网络模型的测试充分性指标进行汇总后的归一化计算。本发明专利技术能帮助测试人员自动化、可靠化的量化判断当对待测深度神经网络模型的测试充分程度，提高测试效率。

【技术实现步骤摘要】

本专利技术涉及软件测试的，具体涉及一种基于深度算子的神经网络模型测试充分性评估方法。

技术介绍

1、智能软件系统使用深度学习技术对数据进行处理，尤其是包含多种深度算子的深度神经网络(dnn)模型，从而自动化完成相应的图片、文本分类等任务的新型软件系统。其中不同的算子用于对不同类型的数据进行处理运算，例如包含1d算子的模型用于处理文本，包含2d算子的模型用于处理图像。智能软件系统通过使用大量经过人工标记正确标签的数据对内部神经网络模型进行训练，模型通过捕捉训练数据集中不同标签的数据之间的差异调整网络参数完成训练过程，最终得到具有独立功能的神经网络模型，该模型由具体的网络参数组成。

2、然而，经过训练得到的神经网络模型并非是完全正确的，需要测试人员设计对应的测试数据来评估神经网络模型的客观质量。一旦训练后的神经网络模型包含大量错误的网络参数，将会导致应用该模型的软件造成不可挽回的损失。区别于传统软件模型基于代码行的运行逻辑，智能软件系统的实现过程需要依赖大量高维训练数据以及复杂神经元结构，这使得软件测试人员无法像传统软件模型那样，通过分析测试代码是本文档来自技高网...

【技术保护点】

1.一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

2.根据权利要求1所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：评估方法具体包括以下步骤：

3.根据权利要求2所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

4.根据权利要求3所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

5.根据权利要求4所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

6.根据权利要求5所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

...

【技术特征摘要】

1.一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

2.根据权利要求1所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：评估方法具体包括以下步骤：

3.根据权利要求2所述的一种基于深度算子的神经网络模型测试充分性评估方法，其特征是：

4.根据权利要求3所述的一种基于深度算子...

【专利技术属性】
技术研发人员：惠战伟，王小娟，孙金磊，曹旭，杨森，
申请(专利权)人：中国人民解放军军事科学院战争研究院，
类型：发明
国别省市：