[发明专利]测试方法和装置

说明书

技术领域

本申请涉及计算机领域，具体涉及图像处理领域，尤其涉及测试方法和装置。

背景技术

图像识别技术被广泛应用的人工智能技术之一。为确保图像识别方式准确地识别出图像中的待识别对象，需要对图像识别方式在不同的测试环境中能否识别出图像中的待识别对象进行全面的测试。目前，通常采用的方式为：获取不同的测试环境下的图像，利用图像识别方式对不同的测试环境下的图像中的待识别对象进行识别，测试图像识别方式的在不同的环境下的识别效果。

然而，一方面，由于影响诸如天气环境的测试环境的因素较多，无法获取所有可能的测试环境，另一方面，需要采用人工方式对诸如天气环境的测试环境进行采集，导致无法对图像识别方式在不同测试环境下的识别效果进行全面的测试。

发明内容

本申请提供了测试方法和装置，用于解决上述背景技术部分存在的技术问题。

第一方面，本申请提供了测试方法，该方法包括：获取待识别的图像，图像包括：待识别对象；在待识别的图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对测试图像中的待识别对象进行识别，以测试预设图像识别方式能否在预设环境对象对应的环境下识别出待识别对象。

第二方面，本申请提供了测试装置，该装置包括：获取单元，配置用于获取待识别的图像，待识别的图像包括：待识别对象；生成单元，配置用于在图像中叠加测试所需的预设环境对象，得到测试图像；测试单元，配置用于采用预设图像识别方式对测试图像中的待识别对象进行识别，以测试预设图像识别方式能否在预设环境对象对应的环境下识别出待识别对象。

本申请提供的测试方法和装置，通过获取待识别的图像，图像包括：待识别对象；在图像中叠加测试所需的预设环境对象，得到测试图像；采用预设图像识别方式对测试图像中的待识别对象进行识别。实现了根据图像识别方式的识别效果的测试中所需的测试环境，选取相应的环境对象叠加到待识别的图像中，即可得到测试图像识别方式的识别效果所需的测试图像，而无需分别获取测试环境下的图像，从而，对图像识别功能在任意测试环境下的识别效果进行全面的测试。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出了可以应用于本申请的测试方法或装置的示例性系统架构；

图2示出了根据本申请的测试方法的一个实施例的流程图；

图3示出了根据本申请的测试方法的一个示例性流程图；

图4示出了根据本申请的测试装置的一个实施例的结构示意图；

图5示出了适于用来实现本申请实施例的测试装置的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用于本申请的测试方法或装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102和无人驾驶汽车103。网络102用以在终端设备101和无人驾驶汽车103之间提供通信链路的介质。网络102可以采用无线通信链路。

终端设备101可以是具有显示屏并且支持网络通信的各种电子设备，包括但不限于平板电脑、台式计算机。无人驾驶汽车103可以配置有相机传感器、激光雷达等环境感知设备。无人驾驶汽车103可以利用相机传感器采集表示车辆的行驶环境的行驶环境图像，将行驶环境图像发送给终端设备101作为图像识别方式的识别效果进行测试的待识别图像。图像识别方式可以为机器学习模型，终端设备101可以运行有机器学习模型，可以在终端设备101上利用机器学习模型对待识别的图像中的待识别对象进行识别测试机器学习模型的识别效果。当机器学习模型的识别结果通过测试时，将通过测试的机器学习模型配置在无人驾驶汽车103中。配置在无人驾驶汽车中的机器学习模型可以用于对相机传感器采集的无人驾驶汽车的相机传感器采集的行驶环境图像中的交通标识对象、车辆对象、行人对象等对象进行识别，实时进行对无人驾驶汽车的行驶环境进行感知。