公开(公告)号：CN118331883B

公开(公告)日：2024-11-19

申请号：CN202410566350.8

申请日：2024-05-09

Applicant: 南京大学

Inventor： 冯洋 ,  翁诗浩 ,  尹伊宁 ,  时欣 ,  谭嘉俊 ,  刘嘉

IPC: G06F11/36 ,  G06N5/04 ,  G06V10/764 ,  G06V10/22

Abstract: 本发明公开一种基于实例级分析的目标检测系统优先级测试方法，该方法专为实例级对象检测系统设计，可帮助测试人员识别这些系统中的检测错误和遗漏。对于检测错误，本发明会根据分类和定位能力为每个预测边界框分配一个怀疑度分数。此外，本发明克服了现有优先级排序方法只关注预测结果的缺点，引入了一种新颖的算法，为每个输入中的潜在检测遗漏区域分配怀疑度分数。通过汇总两类模型误差的得分，能够同时识别假阳性和假阴性。对怀疑度值元素进行优先排序，根据它们的值降序排序，对相应的图像进行灰度化处理，并高亮显示错误区域。测试人员的任务是重点查看突出显示的区域。本发明相比同类技术明显节省预算，并能最大限度地发挥测试人员的作用。

公开(公告)号：CN118331883A

公开(公告)日：2024-07-12

申请号：CN202410566350.8

申请日：2024-05-09

Applicant: 南京大学

Inventor： 冯洋 ,  翁诗浩 ,  尹伊宁 ,  时欣 ,  谭嘉俊 ,  刘嘉

IPC: G06F11/36 ,  G06N5/04 ,  G06V10/764 ,  G06V10/22

Abstract: 本发明公开一种基于实例级分析的目标检测系统优先级测试方法，该方法专为实例级对象检测系统设计，可帮助测试人员识别这些系统中的检测错误和遗漏。对于检测错误，本发明会根据分类和定位能力为每个预测边界框分配一个怀疑度分数。此外，本发明克服了现有优先级排序方法只关注预测结果的缺点，引入了一种新颖的算法，为每个输入中的潜在检测遗漏区域分配怀疑度分数。通过汇总两类模型误差的得分，能够同时识别假阳性和假阴性。对怀疑度值元素进行优先排序，根据它们的值降序排序，对相应的图像进行灰度化处理，并高亮显示错误区域。测试人员的任务是重点查看突出显示的区域。本发明相比同类技术明显节省预算，并能最大限度地发挥测试人员的作用。

公开(公告)号：CN117194262A

公开(公告)日：2023-12-08

申请号：CN202311206311.9

申请日：2023-09-18

Applicant: 南京大学

Inventor： 冯洋 ,  高新宇 ,  张亦弛 ,  尹伊宁 ,  刘子夕 ,  陈振宇

IPC: G06F11/36

Abstract: 本发明公开一种基于多样性的深度神经网络测试用例选择方法，属于软件测试与测试用例选择领域。该方法包括：针对未标注测试用例的不确定性和故障方向，将输出向量转换为几个间隔，所述间隔的大小和位置反映模型的不确定性和测试用例的故障模式的信息；根据获得的待测试模型的不确定性和测试用例的故障模式的信息定义基于方向性和不确定性的故障模式和测试集故障模式的计算方法；提出相合度度量来度量候选测试集和已选择的测试集之间的模式差异；基于故障模式和相合度度量，提出基于测试多样性的测试数据选择方法ATS，适应地选择测试数据多样的测试用例子集。本发明解决了基于深度学习的软件中的测试数据预言难获取问题。