arXiv cs.AI· Wenkai Li, Xiaoqi Li, Yingjie Mao, Yishun Wang·· 3 天前AI 评分20
通过覆盖率测试理解图像识别中的深度学习模型
Towards Understanding Deep Learning Model in Image Recognition via Coverage Test
AI 导读
一项实证研究考察了 primary functionality、boundary、hierarchy 和 structural 四种覆盖率指标与 DNN 模型深度及配置信息之间的关系。
正文 · AI 翻译
摘要：深度神经网络（DNN）在人工智能领域发挥着至关重要的作用，其安全相关测试一直是研究热点。通过输入测试用例，检查模型行为是否存在异常，并利用覆盖率指标来确定这些测试用例覆盖神经元的程度。随着 DNN 的广泛应用和进步，不同类型的神经行为受到关注，导致各种神经网络覆盖率指标的出现。然而，目前缺乏对这些覆盖率指标的实证研究，特别是在分析模型深度、配置信息与神经网络覆盖率之间的关系和规律方面。本文旨在研究四种覆盖率指标的关系和规律：主要功能、边界、层次和结构覆盖率。开展了一系列实证实验，选择 LeNet、VGG 和 ResNet 作为不同的 DNN 架构，以及 10 个深度从 5 层到 54 层不等的模型，以比较和研究不同深度、配置信息与各种神经网络覆盖率指标之间的关系。此外，还研究了修改后的决策/条件覆盖率与数据集大小之间的关系。最后，提出了三个潜在的未来方向，以进一步为 DNN 模型的安全测试做出贡献。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2505.08814 [cs.CV] |
| （或 arXiv:2505.08814v4 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2505.08814 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Wenkai Li [查看电子邮件]
[v1]
2025年5月12日星期一 08:25:55 UTC（2,751 KB）
[v2]
2026年1月15日星期四 14:53:58 UTC（1,903 KB）
[v3]
2026年7月3日星期五 12:16:58 UTC（1,903 KB）
[v4]
2026年10月12日星期一 06:19:22 UTC（1,902 KB）
来源：arXiv cs.AI · arxiv.org