• 【AI图像识别一】人脸识别测试探索


    ******************************************************************************

    本文主要介绍AI能力平台的人脸识别技术的测试过程之一,仅供学习参考

    1.测试背景介绍

    2.AI能力平台的架构

    3.图像识别-人脸识别技术测试探索

    4.业务场景思维导图

    ******************************************************************************

    一、测试背景介绍

       公司拓展业务,发展了AI能力平台,相关功能会以网页或API的实现方式对外发布满足客户的需求,笔者有幸负责此平台的测试,也是一个全新的挑战,后面会陆续把测试过程分享给大家

    二、AI能力平台的架构

     如图,平台的架构分为三个部分,分别为基础层、技术层、应用层,笔者根据测试的过程以及其他公司的架构,梳理出了本平台的架构图

      基础层:仓库开发组会根据AI开发组的数据需求对原始数据进行预处理、模型脚本的调度配置、结果数据的存储转发等工作

      技术层:AI开发组根据功能需求开发对应的模型,经过模型创建、训练、调参、评估、优化最后生成符合业务需求指标的模型脚本

      应用层:对外发布的WEB平台或API

     

    三、应用层-人脸识别技术测试探索

      测试项:根据AI平台的架构以及功能的实现方式,分为web网站功能测试与API接口功能测试

      测试范围:基础层、技术层、应用层整个架构都有涉及

      测试类型:系统测试、接口测试、模型评估测试、稳定性测试(鲁棒法)、接口测试、性能测试

      测试数据:测试数据口径、测试数据量级、测试数据获取

    四、业务场景思维导图

      下图是人脸识别模型的常见测试图片类型,实际项目应用自行裁剪即可

      

     

    网上调研了AI图像识别方面的测试,分享几篇博客,作为入门:

    https://blog.csdn.net/alice_tl/article/details/78566426

    https://blog.csdn.net/alice_tl/article/details/79736342

    https://blog.csdn.net/alice_tl/article/details/80314398

  • 相关阅读:
    mysql 语法
    mycat 配置简介
    redis sentinel 配置
    Spark SQL 读到的记录数与 hive 读到的不一致
    HDP3.1 中 YRAN 和 MR2 的内存大小配置的计算方式
    在 windows 下搭建 IDEA + Spark 连接 Hive 的环境
    HDP3.1 中配置 YARN 的 timeline server 使用外部的 HBase
    大规模使用 Apache Kafka 的20个最佳实践
    卸载mac版本的GlobalProtect
    js解决约瑟夫问题
  • 原文地址:https://www.cnblogs.com/xjx767361314/p/10910920.html
Copyright © 2020-2023  润新知