[发明专利]一种模型测试方法、装置及电子设备

说明书

本公开提供了一种模型测试方法、装置及电子设备，涉及图像处理技术领域，尤其涉及人工智能技术领域。具体实现方案为：获取噪声图序列，所述噪声图序列中包括目标噪声图；获取目标扰动图像，所述目标扰动图像由所述目标噪声图与预先获取的原始图像融合得到；使用所述目标扰动图像对第一模型进行测试，以得到所述第一模型的测试结果，所述测试结果用于评估模型的鲁棒性。本公开可以提高模型测试的效率。

技术领域

本公开涉及图像处理技术领域，尤其涉及人工智能技术领域，具体涉及一种模型测试方法、装置及电子设备。

背景技术

深度学习技术已广泛应用于人工智能任务，在计算机视觉领域，深度学习已成为自动驾驶、图片审核、监控和安保应用的主力。在测试图像模型的鲁棒性时，一般通过迭代并不断加强噪声的方式实现，且每一次测试都是基于上一次测试的图像再加上新的噪声生成新扰动进行。

发明内容

本公开提供了一种用于模型测试的方法、装置、设备以及存储介质。

根据本公开的第一方面，提供了一种模型测试方法，包括：

获取噪声图序列，所述噪声图序列中包括目标噪声图；

获取目标扰动图像，所述目标扰动图像由所述目标噪声图与预先获取的原始图像融合得到；

使用所述目标扰动图像对第一模型进行测试，以得到所述第一模型的测试结果，所述测试结果用于评估模型的鲁棒性。

根据本公开的第二方面，提供了一种模型测试装置，包括：

第一获取模块，用于获取噪声图序列，所述噪声图序列中包括目标噪声图；

第二获取模块，用于获取目标扰动图像，所述目标扰动图像由所述目标噪声图与预先获取的原始图像融合得到；

第一测试模块，用于使用所述目标扰动图像对第一模型进行测试，以得到所述第一模型的测试结果，所述测试结果用于评估模型的鲁棒性。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面中的任一项方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面中的任一项方法。

本公开实施例中，通过使用所述噪声图序列中的目标噪声图与预先获取的原始图像融合得到的所述目标扰动图像，对第一模型进行测试，即在评估模型鲁棒性的测试过程中，使用的所述目标扰动图像可以直接根据所述噪声图序列中的目标噪声图得到，可以避免每一次测试都生成随机噪声后在上一次测试的图像上进行叠加，从而提升测试的效率。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的模型测试方法的流程示意图；

图2是根据本公开第二实施例的模型测试装置的结构示意图之一；

图3是根据本公开第二实施例的模型测试装置的结构示意图之二；

图4是根据本公开第二实施例的模型测试装置的结构示意图之三；