公开(公告)号：CN116756051A

公开(公告)日：2023-09-15

申请号：CN202311041164.4

申请日：2023-08-18

Applicant: 北京航天计量测试技术研究所

Inventor： 缪寅宵 ,  刘弋菲 ,  杨平 ,  张修建 ,  程中浩 ,  张龙 ,  弯天琪 ,  陈皓一 ,  孙静 ,  丁亦嘉

IPC: G06F11/36 ,  G06F11/34 ,  G06F21/55 ,  G06F18/23

Abstract: 一种基于要素分解的深度神经网络测试充分性评估方法，主要步骤包括：测试要素分解，测试参数提取，重要性聚类，突变测试，指标计算，指标评价。该方法通过对黑盒测试与白盒测试方法的要素分解，融合两类方法，完善测试充分性评价机制，同时，结合模型可视化方法，使神经网络决策逻辑更加直观，加强评价的可解释性。该方法能够实现对深度神经网络测试充分性的有效评价，有利于牵引支撑人工智能技术的发展。

公开(公告)号：CN115375993A

公开(公告)日：2022-11-22

申请号：CN202210754085.7

申请日：2022-06-28

Applicant: 北京航天计量测试技术研究所

Inventor： 丁亦嘉 ,  张修建 ,  周海春 ,  张铁犁 ,  刘晓旭 ,  张鹏程 ,  张永超 ,  孙静 ,  陈皓一

IPC: G06V10/98

Abstract: 本发明公开了一种图像识别模型的识别精度的判定方法，涉及智能计量测试技术领域。该方法的具体实施方式包括：获取多个待判定图像识别模型输出的待判定目标区域；其中，待判定目标区域是待判定图像识别模型根据输入的目标图片识别得到的；将多个待判定目标区域输入预训练的图像判定模型；根据图像判定模型的输出，分别确定各个待判定目标区域的待判定特征点坐标，将各个待判定特征点坐标与目标图片的目标特征点坐标进行对比，确定待判定图像识别模型的识别精度。该实施方式能够对图像识别模型的识别精度进行判定，从而降低人工判定的工作量，提高判定效率，大大降低了模型的训练和时间成本，可以对图像识别模型的表现优劣进行评判。