公开(公告)号：CN119785155A

公开(公告)日：2025-04-08

申请号：CN202510058392.5

申请日：2025-01-15

Applicant: 北京轩宇信息技术有限公司

Inventor： 于婷婷 ,  陈睿 ,  王治国 ,  高婧文 ,  徐洋

IPC: G06V10/776 ,  G06V10/82 ,  G06V10/26 ,  G06V10/764 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06N5/04 ,  G06N5/045

Abstract: 本发明公开了基于贝叶斯分割网络的深度学习不确定性度量系统，涉及智能软件测试技术领域，步骤一，数据输入模块：输入待测深度学习模型、测试数据集：（1）待测深度学习模型，类型：深度学习模型，针对图像分割任务设计的模型；功能：该模型经过训练，接收图像输入并输出对应的分割结果，分割结果是一个与输入图像尺寸相同的矩阵，其中每个元素代表输入图像中对应位置像素的类别标签；格式：以深度学习框架中的模型对象形式存在，并包含所有的权重和参数。该基于贝叶斯分割网络的深度学习不确定性度量系统，通过卷积编码器‑解码器的形式，对智能模型不确定性进行建模，通过计算softmax样本的方差，得出每个类别预测输出的不确定性。

公开(公告)号：CN118012768A

公开(公告)日：2024-05-10

申请号：CN202410222256.0

申请日：2024-02-28

Applicant: 北京轩宇信息技术有限公司

Inventor： 陈睿 ,  王治国 ,  于婷婷 ,  李鹏宇 ,  黄晨 ,  高栋栋 ,  高婧文 ,  高兵

IPC: G06F11/36

Abstract: 一种智能软件一体化测试方法，涉及一种安全攸关智能软件的评测技术，覆盖了智能软件的数据集、学习程序以及智能模型等软件制品，评测的内容包括训练数据集的质量、学习程序的质量、算法的正确性、算法鲁棒性、模型不确定性以及测试充分性，最后可以对智能软件的质量进行综合评价，能够解决现有测试方法系统性不足的问题，一体化评测的自动化程度高，克服了当前相关评测系统功能单一、评测不充分的困难。