[发明专利]神经网络模型测试方法、装置、存储介质及电子装置

权利要求书

1.一种神经网络模型测试方法，其特征在于，包括：

将目标幅频图从目标领域映射到源领域，得到映射后的目标图像，其中，所述目标幅频图是由源领域幅频图的低频部分与目标领域幅频图的高频部分重组得到的；

根据所述目标图像对目标神经网络模型进行测试，其中，所述目标神经网络模型是使用所述源领域的数据训练得到的。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标幅频图从所述目标领域映射到所述源领域，得到映射后的目标图像包括：

将所述目标幅频图与所述目标领域的图像的目标领域相频图进行快速逆傅里叶变换，得到领域自适应的所述目标图像，其中，所述目标领域相频图是所述目标领域的图像进行快速傅里叶变换得到的。

3.根据权利要求1所述的方法，其特征在于，在将目标幅频图从目标领域映射到源领域，得到映射后的目标图像之前，所述方法还包括：

确定代表所述源领域的数据的所述源领域幅频图，并确定所述目标领域的图像的所述目标领域幅频图；

将所述源领域幅频图的低频部分与所述目标领域幅频图的高频部分进行重组，得到所述目标幅频图。

4.根据权利要求3所述的方法，其特征在于，确定代表所述源领域的数据的源领域幅频图，并确定所述目标领域的图像的目标领域幅频图包括：

将幅频图库中选取的目标幅频图或平均幅频图，确定为所述源领域幅频图，其中，所述幅频图库中包括所述源领域的多个幅频图与所述多个幅频图的均值，所述平均幅频图为所述多个幅频图的均值；

对所述目标领域的图像进行快速傅里叶变换，得到所述目标领域幅频图。

5.根据权利要求4所述的方法，其特征在于，在所述将幅频图库中选取的目标幅频图或平均幅频图，确定为所述源领域幅频图之前，所述方法还包括：

使用带标签的所述源领域的数据对初始神经网络模型进行训练，得到训练好的所述目标神经网络模型；

分别对所述源领域的数据中的图像进行快速傅里叶变换，得到所述多个幅频图；

将所述多个幅频图组成所述幅频图库，或者确定所述多个幅频图的均值，得到所述平均幅频图。

6.根据权利要求3所述的方法，其特征在于，将所述源领域幅频图的低频部分与所述目标领域幅频图的高频部分重组得到所述目标幅频图包括:

从所述源领域幅频图的中心区域截取所述源领域幅频图的预设比例的像素所在区域，得到所述源领域幅频图的低频部分；

从所述目标领域幅频图的中心区域去除所述目标领域幅频图的所述预设比例的像素所在区域，得到所述目标领域幅频图的高频部分；

将所述源领域幅频图的低频部分与所述目标领域幅频图的高频部分进行叠加，得到所述目标幅频图。

7.根据权利要求1至6中任一项所述的方法，其特征在于，使用所述目标图像对所述目标神经网络模型进行测试包括：

通过将所述目标图像输入所述目标神经网络模型，得到所述目标图像的识别结果的方式，对所述目标神经网络模型进行测试。

8.一种神经网络模型测试装置，其特征在于，包括：

映射模块，用于将目标幅频图从目标领域映射到源领域，得到映射后的目标图像，其中，所述目标幅频图是由源领域幅频图的低频部分与目标领域幅频图的高频部分重组得到的；

测试模块，用于根据所述目标图像对目标神经网络模型进行测试，其中，所述目标神经网络模型是使用所述源领域的数据训练得到的。

9.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的方法。