图像分类算法的蜕变测试
发布时间：2022-01-07 22:14
在过去的几年中,图像分类算法,特别是深度神经网络（Deep Neural Networks,DNN）在诸多领域被广泛应用,并且取得了极大的成就。但最近的研究表明,通过对输入图像加以肉眼无法识别的干扰操作,能够使得所构建的对抗性样本误导DNN做出错误的判定。同时,自动驾驶事故的频频报道加剧了人们对DNN系统的担忧。DNN系统在现实运用中,特别是一些安全关键的领域,需要更加彻底地测试,而不是仅依靠新数据集准确率的简单评估。软件测试技术能够帮助我们评估DNN网络的鲁棒性,进而检测系统中的漏洞。然而传统的软件测试技术,如代码测试,不能直接应用到DNN系统测试中。同时DNN系统定义了一种新的数据驱动的程序范例,其内部逻辑极大的来源于训练数据的未知内在数量规律性,其input-output关系的界定极为困难。因此,本文的研究内容是针对DNN图像分类系统,构建符合MT理念的蜕变关系（Metamorphic Relation,MR）,最后在通过MR生成的衍生测试用例集上执行突变体,并”杀死”突变体的比率,来评价MR的测试完备性。在本文中,我们构建了一种针对DNN图像分类系统的蜕变测试（Metamorp...
【文章来源】：浙江理工大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图１．２自动驾驶道路识别对抗性样本误导产生方向相反示例??
浙江理工大学硕士学位论文?图像分类算法的蜕变测试??２相关理论概述??２．１神经网络系统??神经网络系统即至少包含一个神经网络的系统，本文中仅针对单一神经网络。１９８９年??ＬｅｔＮｅｔ－５被提出［３２］?［３３］，其连接权重通过反向传播（ＢＰ）算法进行了优化［３４］，?ＣＮＮ??的各种变体在图像分类领域取得了极大的成就，例如：ＶｇｇＮｅｔ［１３］和ＲｅｓＮｅｔ?［１］，这些变??体显著提高了图像分类任务中的分类精度。??神经网络包括ＤＮＮ都是由简单的自适应处理单元（神经元）构成，神经元一般由突??触权重（ｗ），偏置项（ｂ），和激活函数（＜ｐ?６ｃ））组成，如图２．?１。??ｂｋ偏置??Ｘ，〇＿？（Ｑ—??ｖｋ??（Ｘ?）?？?？＞Ｔ）＾?？??．．．?．．．?ｗａ??和结点?激活函歆?镝出??ｘｎ?０?？ｎｖｋｒＯ?’??输入?突触权偭??图２．１神经元模型??则当输入数据（Ａ，．．．．．．．Ｘ？）时，求和节点值／（Ｘ，Ｕ／，ｂ），输出凡为：??ｆ（ｘ，?ｗ，?ｂ）?－?ＹｉｄＷｉＸｉ?＋?ｂｉ）?，?ｙｋ?＝?（ｐ（ｆ（ｘ，?ｗ，?ｂ））?２－（ｌ）??多个祌经元共同组成祌经网络的一层，层与层之间互相连接进而构成祌经网络，如图２．２，??其中图中的每个圆代表着神经元。当神经网络层数变得极高则变成ＤＮＮ。??ｈｉｄｄｅｎ?ｌａｙｒｒ?ｉ?ｈｉｄｄｅｎ?ｌａｙｅｒ?２?ｈｉｄｄｅｎ?ｌａｙｅｒ??ｉｍｐｕｔ?ｌａｙｅｒ?＾?入??驗??图２．２神经网络示例??６??
浙江理工大学硕士学位论文?图像分类算法的蜕变测试??２相关理论概述??２．１神经网络系统??神经网络系统即至少包含一个神经网络的系统，本文中仅针对单一神经网络。１９８９年??ＬｅｔＮｅｔ－５被提出［３２］?［３３］，其连接权重通过反向传播（ＢＰ）算法进行了优化［３４］，?ＣＮＮ??的各种变体在图像分类领域取得了极大的成就，例如：ＶｇｇＮｅｔ［１３］和ＲｅｓＮｅｔ?［１］，这些变??体显著提高了图像分类任务中的分类精度。??神经网络包括ＤＮＮ都是由简单的自适应处理单元（神经元）构成，神经元一般由突??触权重（ｗ），偏置项（ｂ），和激活函数（＜ｐ?６ｃ））组成，如图２．?１。??ｂｋ偏置??Ｘ，〇＿？（Ｑ—??ｖｋ??（Ｘ?）?？?？＞Ｔ）＾?？??．．．?．．．?ｗａ??和结点?激活函歆?镝出??ｘｎ?０?？ｎｖｋｒＯ?’??输入?突触权偭??图２．１神经元模型??则当输入数据（Ａ，．．．．．．．Ｘ？）时，求和节点值／（Ｘ，Ｕ／，ｂ），输出凡为：??ｆ（ｘ，?ｗ，?ｂ）?－?ＹｉｄＷｉＸｉ?＋?ｂｉ）?，?ｙｋ?＝?（ｐ（ｆ（ｘ，?ｗ，?ｂ））?２－（ｌ）??多个祌经元共同组成祌经网络的一层，层与层之间互相连接进而构成祌经网络，如图２．２，??其中图中的每个圆代表着神经元。当神经网络层数变得极高则变成ＤＮＮ。??ｈｉｄｄｅｎ?ｌａｙｒｒ?ｉ?ｈｉｄｄｅｎ?ｌａｙｅｒ?２?ｈｉｄｄｅｎ?ｌａｙｅｒ??ｉｍｐｕｔ?ｌａｙｅｒ?＾?入??驗??图２．２神经网络示例??６??
本文编号：3575365
【文章来源】：浙江理工大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图１．２自动驾驶道路识别对抗性样本误导产生方向相反示例??
浙江理工大学硕士学位论文?图像分类算法的蜕变测试??２相关理论概述??２．１神经网络系统??神经网络系统即至少包含一个神经网络的系统，本文中仅针对单一神经网络。１９８９年??ＬｅｔＮｅｔ－５被提出［３２］?［３３］，其连接权重通过反向传播（ＢＰ）算法进行了优化［３４］，?ＣＮＮ??的各种变体在图像分类领域取得了极大的成就，例如：ＶｇｇＮｅｔ［１３］和ＲｅｓＮｅｔ?［１］，这些变??体显著提高了图像分类任务中的分类精度。??神经网络包括ＤＮＮ都是由简单的自适应处理单元（神经元）构成，神经元一般由突??触权重（ｗ），偏置项（ｂ），和激活函数（＜ｐ?６ｃ））组成，如图２．?１。??ｂｋ偏置??Ｘ，〇＿？（Ｑ—??ｖｋ??（Ｘ?）?？?？＞Ｔ）＾?？??．．．?．．．?ｗａ??和结点?激活函歆?镝出??ｘｎ?０?？ｎｖｋｒＯ?’??输入?突触权偭??图２．１神经元模型??则当输入数据（Ａ，．．．．．．．Ｘ？）时，求和节点值／（Ｘ，Ｕ／，ｂ），输出凡为：??ｆ（ｘ，?ｗ，?ｂ）?－?ＹｉｄＷｉＸｉ?＋?ｂｉ）?，?ｙｋ?＝?（ｐ（ｆ（ｘ，?ｗ，?ｂ））?２－（ｌ）??多个祌经元共同组成祌经网络的一层，层与层之间互相连接进而构成祌经网络，如图２．２，??其中图中的每个圆代表着神经元。当神经网络层数变得极高则变成ＤＮＮ。??ｈｉｄｄｅｎ?ｌａｙｒｒ?ｉ?ｈｉｄｄｅｎ?ｌａｙｅｒ?２?ｈｉｄｄｅｎ?ｌａｙｅｒ??ｉｍｐｕｔ?ｌａｙｅｒ?＾?入??驗??图２．２神经网络示例??６??
浙江理工大学硕士学位论文?图像分类算法的蜕变测试??２相关理论概述??２．１神经网络系统??神经网络系统即至少包含一个神经网络的系统，本文中仅针对单一神经网络。１９８９年??ＬｅｔＮｅｔ－５被提出［３２］?［３３］，其连接权重通过反向传播（ＢＰ）算法进行了优化［３４］，?ＣＮＮ??的各种变体在图像分类领域取得了极大的成就，例如：ＶｇｇＮｅｔ［１３］和ＲｅｓＮｅｔ?［１］，这些变??体显著提高了图像分类任务中的分类精度。??神经网络包括ＤＮＮ都是由简单的自适应处理单元（神经元）构成，神经元一般由突??触权重（ｗ），偏置项（ｂ），和激活函数（＜ｐ?６ｃ））组成，如图２．?１。??ｂｋ偏置??Ｘ，〇＿？（Ｑ—??ｖｋ??（Ｘ?）?？?？＞Ｔ）＾?？??．．．?．．．?ｗａ??和结点?激活函歆?镝出??ｘｎ?０?？ｎｖｋｒＯ?’??输入?突触权偭??图２．１神经元模型??则当输入数据（Ａ，．．．．．．．Ｘ？）时，求和节点值／（Ｘ，Ｕ／，ｂ），输出凡为：??ｆ（ｘ，?ｗ，?ｂ）?－?ＹｉｄＷｉＸｉ?＋?ｂｉ）?，?ｙｋ?＝?（ｐ（ｆ（ｘ，?ｗ，?ｂ））?２－（ｌ）??多个祌经元共同组成祌经网络的一层，层与层之间互相连接进而构成祌经网络，如图２．２，??其中图中的每个圆代表着神经元。当神经网络层数变得极高则变成ＤＮＮ。??ｈｉｄｄｅｎ?ｌａｙｒｒ?ｉ?ｈｉｄｄｅｎ?ｌａｙｅｒ?２?ｈｉｄｄｅｎ?ｌａｙｅｒ??ｉｍｐｕｔ?ｌａｙｅｒ?＾?入??驗??图２．２神经网络示例??６??
本文编号：3575365
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3575365.html
