[发明专利]一种图像识别模块的验证方法和装置

说明书

本申请公开了一种图像识别模块的验证方法及装置。该方法至少包括：基于验证需求以及多种用例生成模式获取测试用例，根据测试用例生成验证事务；将验证事务输入图像识别模块以获取实际计算结果，将验证事务输入预设参考模型以获取期望计算结果；通过判断期望计算结果与实际计算结果是否一致，对图像识别模块进行验证。本申请利用多种用例生成模式获取测试用例，提高了验证覆盖率，提升了验证效率。

技术领域

本申请涉及验证领域，尤其涉及一种图像识别模块的验证方法和装置。

背景技术

验证是芯片设计中必不可少的部分，现有的验证方法通常采用基于VMM(Verification Methodology Manual，验证方法学)的分层验证平台，如图1所示，该验证平台通常包括测试层(Test layer)，场景层(Generation layer)，功能层(Function layer)，命令层(Command layer)和信号层(Signal layer)，其中，每层中的每个方块代表了一个验证组件，测试层包含测试用例，用于获取测试用例并控制场景层生成符合要求的数据流；场景层包括发生器(generator)，用于生成随机数据流，数据流的基本单元是事务(transaction)；功能层包括：代理(agent)、计分板(scoreboard)以及检查器(checker)，代理(agent)用于根据接收场景层送过来的事务(transaction)进行变换，使生成符合被测试设计(Design Under Test，简称：DUT)的要求的抽象数据，从而向下层的驱动器(Driver)提供，计分板(scoreboard)用于将参考模型产生的参考数据和DUT产生的实际数据进行比较，实现自动对比的功能，检查器(checker)通过将监视器传来的数据与记分板中存储的预测响应进行比较来判断待测功能是否正确；命令层包括驱动器和监控器(Monitor)两种验证组件，驱动器将来自上层的事务转化为信号级激励输入给DUT，监控器用来监视接口信号的变化并转化为事务传递给上层的检查器；信号层用来将DUT与驱动器以及监控器连接起来。

现有技术中通常使用随机化激励测试方法对被测设计(Device Under Test，简称DUT)进行验证。也即由验证环境基于随机种子以及预设约束生成随机激励。然而，每一个随机生成的验证数据只能以极小的概率命中特定的验证需求点。因此在验证时需要发送大量的随机激励，并进行长时间的回归测试，因此使用传统的验证方法所需的测试时间较多、效率低。

发明内容

本申请实施例提供一种图像识别模块的验证方法及装置，用以解决现有技术中的如下技术问题：传统的验证方法所需的测试时间较多、覆盖率不高、进而导致验证效率低。

本申请实施例采用下述技术方案：

一种图像识别模块的验证方法，其特征在于，包括：

基于验证需求以及多种用例生成模式获取测试用例，根据所述测试用例生成验证事务；

将所述验证事务输入图像识别模块以获取实际计算结果，将所述验证事务输入预设参考模型以获取期望计算结果；

通过判断所述期望计算结果与所述实际计算结果是否一致，对所述图像识别模块进行验证。

可选地，其中，所述图像识别模块基于卷积神经网络所形成，

所述将所述验证事务输入所述图像识别模块以获取实际计算结果还包括：将所述验证事务输入所述图像识别模块以获取所述卷积神经网络的每一层输出结果；

所述通过判断所述期望计算结果与所述实际计算结果是否一致，对所述图像识别模块进行验证还包括：将所述卷积神经网络的每一层输出结果与所述期望计算结果进行比对，并通过判断对比结果是否全部一致，对所述图像识别模块进行验证。

可选地，其中，所述基于验证需求以及多种用例生成模式获取测试用例包括：

对预设覆盖组中需要采集的功能点信息进行分析，获取所述验证需求；