[发明专利]一种基于搜索的可扩展的最优测试图像集生成方法

权利要求书

1.一种基于搜索的可扩展的最优测试图像集生成方法，其特征在于，包括以下步骤：

步骤S1，在测试池中随机选取多个测试图像组成测试图像集，再由多个测试图像集组成初始的当前种群；

步骤S2，对当前种群中的每个测试图像集个体，计算每个测试图像集在待测试图像分类深度神经网络系统下对应的覆盖率以及每个测试图像集的规模，按照步骤S21- S26利用锦标赛选择法在当前种群中选择M个最佳测试图像集作为下一轮迭代的种群；

步骤S21，将下一轮迭代的种群初始化为空集；

步骤S22，从当前种群中随机选取个测试图像集，作为锦标赛选择法的竞选者；

步骤S23，将选取的竞争者按照测试图像集规模大小由小至大排序，得到排序后的竞选者列表；

步骤S24，对于排序后的竞选者列表，按照覆盖率大小由大到小排序，得到二次排序后的竞选者列表；

步骤S25，根据步骤S24得到的二次排序后的竞选者列表，选取列表中排名第一的测试图像集作为优胜者进入下一轮迭代的种群；

步骤S26，重复步骤S22-步骤S25进行M次，得到M个优胜者作为最佳测试图像集作为下一轮迭代的种群；

步骤S3，以步骤S2筛选出来的下一轮迭代的种群作为父代，利用交叉算子进行运算，得到新种群；

步骤S4，对步骤S3得到的新种群进行测试图像层面和测试图像集层面的变异运算，得到变异后的后代个体；其中，测试图像集层面的变异运算是：对每个测试图像集，以第一设定概率随机减少一个测试图像或者从测试池中随机增加一个测试图像；测试图像层面的变异运算是：对每个测试图像集，以第二设定概率从测试图像集中选取一个测试图像进行仿射变换和/或像素变换；

步骤S5，选取步骤S4得到的后代个体中覆盖率高于父代个体或覆盖率相同但规模更小的组成下一轮迭代的当前种群，然后重复步骤S2-S5；根据分配的时间和空间资源预先制定迭代终止条件，每轮迭代判断是否满足迭代终止条件，若满足则停止，否则继续进行后续步骤。

2.根据权利要求1所述的基于搜索的可扩展的最优测试图像集生成方法，其特征在于：步骤S2中，根据以下公式计算测试图像集的覆盖率：

其中，N表示待测试图像分类深度神经网络系统的总神经元集合，|N|表示待测试图像分类深度神经网络系统中神经元的个数，k表示对每个神经元的取值划分的区间数，表示测试图像集个体T中存在测试图像t覆盖第i个区间，是神经元n被切分成的k个区间的集合。

3.根据权利要求1所述的基于搜索的可扩展的最优测试图像集生成方法，其特征在于：步骤S3按以下步骤进行：

步骤S31，对步骤S2得到的下一轮迭代种群中的测试图像集进行两两分组；

步骤S32，对于同组中的两个测试图像集，随机选取一个0~1之间的值作为百分比阈值，保持每个测试图像集中的该百分比阈值前面的测试图像数据不变，该百分比阈值后面的测试图像数据在两个测试图像集间进行等序互换。

4.根据权利要求1所述的基于搜索的可扩展的最优测试图像集生成方法，其特征在于：仿射变换包括：图像平移、图像缩放、图像翻转、图像旋转和图像剪切；像素变换通过调节对比度、亮度进行像素点值的变换。

5.根据权利要求1所述的基于搜索的可扩展的最优测试图像集生成方法，其特征在于：步骤S4还包括，设置变异的约束条件，变异的约束条件包括图像变换中旋转角度小于15度、最多允许一次仿射变换以及每次变异的像素点占比不超过2%。

6.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时实现如权利要求1至5中任一项所述的方法的步骤。