公开(公告)号：CN113900947A

公开(公告)日：2022-01-07

申请号：CN202111203150.9

申请日：2021-10-15

Applicant: 南京大学

Inventor： 许畅 ,  杨英卓 ,  李泽南 ,  王慧妍 ,  马晓星

IPC: G06F11/36 ,  G06K9/62 ,  G06N20/10

Abstract: 本发明公开了一种面向线性分类器的基于蜕变测试的软件测试方法，包括如下步骤：步骤一：随机生成多组训练数据集和测试数据集作为源数据集，利用源数据集对待测试程序进行测试，得到训练结果；步骤二：根据源数据集得到的超平面模型，按照蜕变关系中的方式生成新的数据集，在新的数据集上进行训练得到一组新的超平面模型；步骤三：计算超平面模型和新数据集训练得到的超平面模型是否满足蜕变关系，若在任一训练数据集上不满足蜕变关系，则判断该程序存在bug。本发明根据线性分类器的稳定性，提出两种新的蜕变关系，使测试结果更准确，源数据集生成新数据集时应用了源数据集上的训练结果，提高了测试效果。

公开(公告)号：CN116486150A

公开(公告)日：2023-07-25

申请号：CN202310425757.4

申请日：2023-04-20

Applicant: 南京大学

Inventor： 马晓星 ,  徐经纬 ,  曹春 ,  吕建 ,  李泽南 ,  张茂润

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明公开一种基于不确定性感知的图像分类模型回归误差消减方法，面向图像分类模型在图像数据更新或模型架构更新后，新版本图像分类模型难以兼容旧版本图像分类模型的问题。使用模型集成策略，估计并根据新旧两个图像分类模型在预测结果中的不确定性，得到模型的集成预测结果。其中集成策略针对无数据(data‑free)和少量无标签数据(label‑free)两种情形下分别讨论。对于无数据情形，采用图像扰动或模型扰动的方式来估计图像分类模型的不确定性；对于少量无标签数据情形，采用温度缩放的方式校准旧版本图像分类模型的不确定性，使之向新版本图像分类模型对齐。本发明减少了回归误差，得到具有向前兼容性的集成图像分类模型；具有更佳的表现效果。