CN110442484B - 一种测试方法和相关装置 - Google Patents

一种测试方法和相关装置 Download PDF

Info

Publication number
CN110442484B
CN110442484B CN201910669862.6A CN201910669862A CN110442484B CN 110442484 B CN110442484 B CN 110442484B CN 201910669862 A CN201910669862 A CN 201910669862A CN 110442484 B CN110442484 B CN 110442484B
Authority
CN
China
Prior art keywords
attribute data
attribute
sets
chip
groups
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910669862.6A
Other languages
English (en)
Other versions
CN110442484A (zh
Inventor
兰凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201910669862.6A priority Critical patent/CN110442484B/zh
Publication of CN110442484A publication Critical patent/CN110442484A/zh
Application granted granted Critical
Publication of CN110442484B publication Critical patent/CN110442484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
    • G06F11/2236—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test CPU or processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
    • G06F11/2273—Test methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种测试方法和相关装置，所述方法包括：向芯片发送测试请求，其中，所述测试请求携带图像；接收所述芯片发送的测试响应，其中，所述测试响应携带M1组属性数据，所述M1组属性数据由所述芯片对所述图像进行处理得到；从数据库中获取与所述图像对应的M2组属性数据；将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据；若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则根据所述K组属性数据确定所述芯片包括的错误属性计算算法。实施本发明实施例，实现测试运行在芯片上算法，有利于准确找出芯片中包括的错误算法。

Description

一种测试方法和相关装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种测试方法和相关装置。
背景技术
随着信息化技术的不断革新，芯片的发展速度也越来越快。在芯片发展的过程中，对运行在芯片上算法的测试也在逐步发展中。一般而言，芯片上运行的算法都是直接从其他设备上迁移过去，因此，在迁移结束后，往往需要对运行在芯片上的算法进行测试，以判断该算法有无问题。
目前，现有技术中，不存在对运行在芯片上的算法的测试方法。
发明内容
本发明实施例提供了一种测试方法和相关装置，实施本发明实施例，实现测试运行在芯片上算法，有利于准确找出芯片中包括的错误算法。
本发明第一方面提供了一种测试方法，包括：
向芯片发送测试请求，其中，所述测试请求携带图像；
接收所述芯片发送的测试响应，其中，所述测试响应携带M1组属性数据，所述M1组属性数据由所述芯片对所述图像进行处理得到，M1为正整数；
从数据库中获取与所述图像对应的M2组属性数据，M2为正整数；
将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数；
若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则根据所述K组属性数据确定所述芯片包括的错误属性计算算法。
基于第一方面，在第一种可能的实施方式中，在所述从数据库中获取与所述图像对应的M2组属性数据之前，所述方法还包括：
将所述图像输入模拟器，以得到M2组属性数据，其中，所述芯片包括的所述预设算法和T个属性计算算法是从所述模拟器迁移过去的，T为大于或等于N的整数；
获取与所述图像对应的图像标识；
将所述M2组属性数据与所述图像标识关联存储在所述数据库中。
基于第一方面或第一方面的第一种可能的实施方式，在第二种可能的实施方式中，所述M1组属性数据中的每组属性数据均包含第一属性数据，所述将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，包括：
将M1条第一属性数据与M2条第一属性数据进行匹配，得到P条第一属性数据差，其中，所述M1条第一属性数据为所述M1组属性数据中的每组属性数据包含的第一属性数据，所述M2条第一属性数据为所述M2组属性数据中的每组属性数据包含的第一属性数据，0＜P≤M1且P为整数；
获取与所述第一属性数据对应的第一属性阈值；
将所述P条第一属性数据差与所述第一属性阈值进行匹配，以确定所述P条第一属性数据差中是否存在与所述第一属性阈值不匹配的Q条第一属性数据差，其中，0＜Q≤K且Q为整数；
若所述P条第一属性数据差中存在与所述第一属性阈值不匹配的Q条第一属性数据差，则确定与所述Q条第一属性数据差对应的Q组属性数据；
将M1组属性数据中的每组属性数据包含的(N-1)条属性数据分别与所述M2组属性数据中的每组预设属性数据包含的(N-1)条预设属性数据进行匹配，以分别根据所述M1组属性数据中的每组属性数据包含的(N-1)条属性数据确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的所述K组属性数据，其中，所述K组属性数据包括所述Q组属性数据。
基于第一方面或第一方面的第一种或第二种可能的实施方式，在第三种可能的实施方式中，若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则根据所述K组属性数据确定所述芯片包括的错误属性计算算法，包括：
若所述M1组属性数据中存在与所述M2组属性数据不匹配的所述K组属性数据，则获取所述K组属性数据中的属性计算错误的属性数据，以得到H条属性数据，其中，H为正整数且K≤H≤(K×N)；
确定与所述H条属性数据对应的R个属性计算算法，以得出所述芯片包括的错误属性计算算法，其中，R为正整数且1≤R≤N。
本发明第二方面提供了一种测试终端，包括：
发送模块，用于向芯片发送测试请求，其中，所述测试请求携带图像；
接收模块，用于接收所述芯片发送的测试响应，其中，所述测试响应携带M1组属性数据，所述M1组属性数据由所述芯片对所述图像进行处理得到，M1为正整数，M2为正整数；
获取模块，用于从数据库中获取与所述图像对应的M2组属性数据；
匹配模块，用于将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数；
确定模块，用于若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则确定所述芯片包括的错误属性计算算法。
可以看出，上述技术方案中，向芯片发送测试请求，其中，所述测试请求携带图像，实现将图像发送给芯片，从而让芯片调用多种算法对该图像进行处理，得到M1组属性数据；接收所述芯片发送的测试响应，其中，所述测试响应携带包含M1组属性数据，从而为后续将M1组属性数据与M2组属性数据进行匹配做准备，另外，从数据库中获取与图像对应的M2组属性数据，从而实现准确找准与M1组属性数据对应的M2组属性数据，也就是说，获取了数据库中存储的同一图像对应的预设测试结果；接着，将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，这实现将预设测试结果与同一图片在芯片上的测试结果进行比较，从而判断测试结果中是否存在与预设测试结果不匹配的测试结果，在测试结果中存在与预设测试结果不匹配的测试结果时，就根据这些不匹配的测试结果确定芯片中包括的错误属性计算算法，这实现了准确找出芯片中包括的错误属性计算算法，为后续开发人员重新迁移算法或者调整算法做依据。同时，将图片发送给芯片，让芯片对图片进行一系列的处理，使得在芯片上的测试结果更加真实，也使得依据测试结果与预设测试结果的匹配结果找出的芯片中包括的错误属性计算算法这种方式更加科学性、可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为本发明一个实施例提供的一种测试方法的流程示意图；
图2A为本发明又一个实施例提供的一种测试方法的流程示意图；
图2B为本发明的一个实施例提供的一种测试终端与芯片内部具体的处理线程示意图；
图3为本发明一个实施例提供的一种测试终端的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
以下分别进行详细说明。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，参见图1，图1为本发明的一个实施例提供的一种测试方法的流程示意图。其中，如图1所示，本发明的一个实施例提供的一种测试方法可以包括：
101、测试终端向芯片发送测试请求。
其中，所述测试请求携带图像。
可选的，图像可以是视频中的某一图像帧，也可以是单独的图像。其中，该图像中包括一张或多张人脸。
其中，测试终端例如可以是平板电脑、笔记本电脑、掌上电脑、MID、台式电脑或其他测试终端设备。
可选的，芯片中包括了多种算法，这多种算法包括人脸识别算法、人脸检测算法、多种属性计算算法。进一步的，这多种属性计算算法包括性别计算算法、年龄计算算法、姿态计算算法等。
102、测试终端接收所述芯片发送的测试响应。
其中，所述测试响应携带M1组属性数据，所述M1组属性数据由所述芯片对所述图像进行处理得到，M1为正整数。
其中，M1例如可等于1、2、3、5、6、11、13、20或其他值。
可选的，属性数据包括年龄、性别、姿态等。进一步的，M1组属性数据中的每组属性数据例如可以包括年龄、性别、姿态等。
举例来说，一张图片中包含了M1张人脸，那么在芯片调用多种算法对图片进行处理后，那么就可以得知M1张人脸中每张人脸对应的人的年龄、性别、姿态等。
103、测试终端从数据库中获取与所述图像对应的M2组属性数据，M2为正整数。
其中，M2例如可等于1、2、3、5、6、11、13、20或其他值。
其中，M2组属性数据中的每组属性数据例如可以包括年龄、性别、姿态等。
104、测试终端将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数。
其中，K例如可等于1、2、3、5、6、11、13、20或其他值。
105、若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，测试终端则根据所述K组属性数据确定所述芯片包括的错误属性计算算法。
可以看出，上述技术方案中，向芯片发送测试请求，其中，所述测试请求携带图像，实现将图像发送给芯片，从而让芯片调用多种算法对该图像进行处理，得到M1组属性数据；接收所述芯片发送的测试响应，其中，所述测试响应携带包含M1组属性数据，从而为后续将M1组属性数据与M2组属性数据进行匹配做准备，另外，从数据库中获取与图像对应的M2组属性数据，从而实现准确找准与M1组属性数据对应的M2组属性数据，也就是说，获取了数据库中存储的同一图像对应的预设测试结果；接着，将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，这实现将预设测试结果与同一图片在芯片上的测试结果进行比较，从而判断测试结果中是否存在与预设测试结果不匹配的测试结果，在测试结果中存在与预设测试结果不匹配的测试结果时，就根据这些不匹配的测试结果确定芯片中包括的错误属性计算算法，这实现了准确找出芯片中包括的错误属性计算算法，为后续开发人员重新迁移算法或者调整算法做依据。同时，将图片发送给芯片，让芯片对图片进行一系列的处理，使得在芯片上的测试结果更加真实，也使得依据测试结果与预设测试结果的匹配结果找出的芯片中包括的错误属性计算算法这种方式更加科学性、可靠性。
参见图2A，图2A为本发明的又一个实施例提供的一种测试方法的流程示意图。其中，如图2A所示，本发明的又一个实施例提供的一种测试方法可以包括：
201、测试终端向芯片发送测试请求。
其中，所述测试请求携带图像。
可选的，图像可以是视频中的某一图像帧，也可以是单独的图像。其中，该图像中包括一张或多张人脸。
其中，测试终端例如可以是平板电脑、笔记本电脑、掌上电脑、MID、台式电脑或其他测试终端设备。
可选的，芯片中包括了多种算法，这多种算法包括人脸识别算法、人脸检测算法、多种属性计算算法。进一步的，这多种属性计算算法包括性别计算算法、年龄计算算法、姿态计算算法等。
可选的，在一种可能的实施方式中，在所述向芯片发送测试请求之前，所述方法还包括：
从存储视频的视频用例集中获取视频；
对所述视频进行解析以得到包含在所述视频中的J个图像，其中，J为正整数；
从所述J个图像中获取所述图像；
或者，从存储图像的图像用例集获取所述图像。
其中，J例如可等于1、2、3、5、6、11、13、20或其他值。
其中，视频用例集中包括多个视频，多个视频中包括人脸的不同姿态，比如说，正脸、侧脸、有遮挡的人脸等。多个视频中还包括人脸的对应的不同人的性别、年龄。
其中，图像用例集中包括多张图像，多张图像包括人脸的不同姿态，比如说，正脸、侧脸、有遮挡的人脸等。多张图像还包括多个人脸的对应的不同人的性别、年龄。
进一步的，可选的，所述图像为所述J个图像中的任意一张图像时，所述向芯片发送测试请求，包括：
按照所述J个图像对应的J个图像标识向芯片发送测试请求，其中，所述J个图像标识由所述测试终端按照时间顺序标识所述J个图像得到。
其中，时间顺序指视频播放的顺序，该视频包括J个图像。
其中，J个图像标识例如可以是J个图像序号。
可选的，在一种可能的实施方式中，所述测试请求还携带N个属性计算标识，N为正整数，所述M1组属性数据由所述芯片调用与所述N个属性计算标识匹配的N个属性计算算法对M1个特征进行处理得到，所述M1个特征由所述芯片调用预设算法对编码进行处理得到，所述编码由所述芯片对所述图像进行解码得到。
其中，N例如可等于1、2、3、5、6、11、13、20或其他值。
其中，M1个特征可以是该图像中包括的M1张人脸。
可选的，预设算法例如可以是人脸识别算法或人脸检测算法。
其中，编码包括YUV编码。YUV，是一种颜色编码方法。“Y”表示明亮度(Luminance、Luma)，“U”和“V”则是色度、饱和度(Chrominance、Chroma)。
其中，N个属性计算标识例如可以包括性别计算标识、年龄计算标识、姿态计算标识等。
其中，N个属性计算算法例如可以包括性别计算算法、年龄计算算法、姿态计算算法等。
举例来说，某张图像中包括3张人脸，即3个特征，其中，多个属性计算标识包括性别计算标识和年龄计算标识，那么芯片会调用与性别计算标识和年龄计算标识分别对应的性别计算算法和年龄计算算法对这3张人脸进行处理，那么就可以得到这3张人脸中每张人脸对应的人的性别、年龄。也就是说，最后会得到3组属性数据，这3组属性数据中每组属性数据包括性别和年龄。
进一步的，通过向芯片发送一个或多个属性计算标识，告知芯片采用与一个或多个属性计算标识对应的一个或多个属性计算算法对一张或多张人脸进行处理，使得对运行在芯片上的属性计算算法的测试更加灵活。
当测试终端向芯片发送测试请求时，测试终端将该图像、该图像对应的图像标识以及一个或者多个属性计算标识打包形成数据包，再通过传统的通讯方式将数据包发送给芯片，这里传统的通讯方式主要指TCP/IP。
进一步的，当有J个图像需要测试时，测试终端按照J个图像对应的J个图像标识分别打包J个图像、J个图像标识以及一个或者多个属性计算标识，以得到多个数据包。在发送多个数据包时，测试终端会按照这多个数据包对应的图像标识进行发送。可以理解的，在打包时，可以让每个数据包携带的属性计算标识不同，也可以让每个数据包携带的属性计算标识相同，也可以让每个数据包携带的一个或多个属性计算标识。
其中，由于测试终端发送的速率比芯片处理数据包的速率快，因此，芯片接收数据包后，会进行排队处理。参见图2B，图2B为本发明的又一个实施例提供的一种测试终端与芯片内部具体的处理线程示意图，这里的排队处理主要由芯片的代理程序负责。代理程序包括接收线程、数据激励线程、发送线程。其中，接收线程主要负责接收测试终端中的发送线程发送的一个或多个数据包并将这一个或多个数据包进行解码，得到图像对应的编码，其中，这里的数据包包括图像、图像标识、一种或多种属性计算标识；数据激励线程主要负责按照帧速率从待激励队列中获取编码，并将编码、编码对应的一个或多个属性计算标识打包，传输给芯片中的算法模块进行算法处理；发送线程主要负责发送算法处理结束后的测试结果，这里的测试结果主要指包括多组属性数据和图像标识的数据包。当测试终端的接收线程接收该数据包后，将数据包直接给到结果处理线程进行匹配，确定芯片包括的错误属性计算算法。在一个实施例中，帧速率为25帧/秒，在其它实施例中，帧速率可以根据实际情况进行相应的调整。
其中，算法模块进行算法处理主要包括，算法模块调用人脸识别算法或人脸检测算法对编码中包括的特征进行检测，得到多个特征，接着，调用与一个或多个属性计算标识对应的属性计算算法对多个特征进行处理，得到这多个特征中每个特征对应的属性数据。在算法模块处理结束后，会直接将测试结果放入接收队列，使得发送线程从接收队列中获取测试结果。
举例来说，当属性计算标识只有一个时，算法模块则调用与该属性计算标识对应的属性计算算法对多个特征进行一一处理；当属性计算标识有多个时，算法模块则调用与该多个属性计算标识对应的多个属性计算算法对多个特征进行处理，也就是说，每个特征都会被多个属性计算算法进行处理。
进一步的，在实际调用人脸识别算法或人脸检测算法对编码中包含的特征进行检测时，可以检测出编码中包含的特征的数量。举例来说，人脸数。
进一步的，在测试终端也设有接收队列，也就是说，接收线程在不断接收多个数据包后，可将这多个数据报放入接收队列，等待结果处理线程进行处理。
进一步，算法模块中包含人脸识别算法、人脸检测算法、多种属性计算算法。进一步的，这多种属性计算算法包括性别计算算法、年龄计算算法、姿态计算算法等。
202、测试终端接收所述芯片发送的测试响应。
其中，所述测试响应携带M1组属性数据，所述M1组属性数据由所述芯片对所述图像进行处理得到，M1为正整数。
其中，M1例如可等于1、2、3、5、6、11、13、20或其他值。
可选的，属性数据包括年龄、性别、姿态等。进一步的，M1组属性数据中的每组属性数据例如可以包括年龄、性别、姿态等。
举例来说，一张图片中包含了M1张人脸，那么在芯片调用多种算法对图片进行处理后，那么就可以得知M1张人脸中每张人脸对应的人的年龄、性别、姿态等。
203、测试终端从数据库中获取与所述图像对应的M2组属性数据，M2正整数。
其中，M2例如可等于1、2、3、5、6、11、13、20或其他值。
其中，M2组属性数据中的每组属性数据例如可以包括年龄、性别、姿态等。
可选的，在一种可能的实施方式中，在所述从数据库中获取与所述图像对应的M2组属性数据之前，所述方法还包括：
将所述图像输入模拟器，以得到M2组属性数据，其中，所述芯片包括的所述预设算法和T个属性计算算法是从所述模拟器迁移过去的，T为大于或等于N的整数；
获取与所述图像对应的图像标识；
将所述M2组属性数据与所述图像标识关联存储在所述数据库中。
其中，M2组属性数据为包含在该图像中的全部属性数据。进一步的，M2组属性数据中的每组属性数据都是正确的属性数据。
举例来说，某张图像中包括3张人脸，那么测试终端将该图像输入模拟器后，会得到这3张人脸中每张人脸对应的人的全部属性数据。这里的属性数据例如可以包括性别、年龄，姿态等。
其中，所述模拟器运行在所述测试终端上。
其中，T例如可等于1、2、3、5、6、11、13、20或其他值。
可以看出，上述技术方案中，通过将图像输入模拟器，从而得到该图像中包含的M2组属性数据，从而为后续将M2组属性数据与该图像对应的图像标识关联储存至数据库做准备。另外，在模拟器中调用模拟器中包括的算法时，可以得到正确的属性数据，因此，可以将模拟器的输出结果与芯片的测试结果进行比较，在得到与模拟器的输出结果不同的数据时，即可基于这些数据实现确定芯片包括的错误属性计算算法。
204、测试终端将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数。
其中，K例如可等于1、2、3、5、6、11、13、20或其他值。
可选的，在一种可能的实施方式中，所述M1组属性数据中的每组属性数据均包含第一属性数据，所述将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，包括：
将M1条第一属性数据与M2条第一属性数据进行匹配，得到P条第一属性数据差，其中，所述M1条第一属性数据为所述M1组属性数据中的每组属性数据包含的第一属性数据，所述M2条第一属性数据为所述M2组属性数据中的每组属性数据包含的第一属性数据，0＜P≤M1且P为整数；
获取与所述第一属性数据对应的第一属性阈值；
将所述P条第一属性数据差与所述第一属性阈值进行匹配，以确定所述P条第一属性数据差中是否存在与所述第一属性阈值不匹配的Q条第一属性数据差，其中，0＜Q≤K且Q为整数；
若所述P条第一属性数据差中存在与所述第一属性阈值不匹配的Q条第一属性数据差，则确定与所述Q条第一属性数据差对应的Q组属性数据；
将M1组属性数据中的每组属性数据包含的(N-1)条属性数据分别与所述M2组属性数据中的每组预设属性数据包含的(N-1)条预设属性数据进行匹配，以分别根据所述M1组属性数据中的每组属性数据包含的(N-1)条属性数据确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的所述K组属性数据，其中，所述K组属性数据包括所述Q组属性数据。
其中，所述第一属性数据例如可以是年龄。
其中，P例如可等于1、2、3、5、6、11、13、20或其他值。
其中，Q例如可等于1、2、3、5、6、11、13、20或其他值。
举例来说，M1为3，一共有3组属性数据，每组属性数据中包括年龄、性别、姿态。也就是说，第一组属性数据包括19、男、站立并含胸；第二组属性数据包括38、女、坐并驼背；第三组属性数据包括28、男、正襟危坐。
M2为3，第一组属性数据包括20、男、站立并含胸；第二组属性数据36、男、坐并驼背；第三组属性数据包括27、男、正襟危坐。
其中，第一属性阈值为1。那么，可以看出，19与20的差值为1，38与36的差值为2，28与27的差值为1。由于第一属性阈值为1，因此，可以确定19与20的差值与第一属性阈值匹配，而38与36的差值与第一属性阈值不匹配，28与27的差值与第一属性阈值匹配。
进一步的，19、28可以判断为正确年龄，而36可以判断为错误年龄，也就是说，芯片上包括的年龄对应的属性计算算法错误。
另外，对于性别，可以发现也存在不匹配的情况，那么芯片上包括的性别对应的属性计算算法错误。
同理，对于姿态，都是可以匹配上的，那么芯片上包括的姿态对应的属性计算算法无误。
可以看出，上述技术方案中，在M1组属性数据中的每组属性数据均包含第一属性数据时，通过将M1条第一属性数据与M2条预设属性数据进行匹配，以得到P条第一属性数据差，从而便于将P条第一属性数据差与第一属性数据对应的第一属性阈值进行匹配，实现得出第一属性数据差后，判断第一属性数据差是否满足第一属性阈值，从而确定M1组属性数据中的每组属性数据均包含第一属性数据是否有误。接着，将M1组属性数据中的每组属性数据包含的(N-1)条属性数据分别与所述M2组属性数据中的每组预设属性数据包含的(N-1)条预设属性数据进行匹配，以分别根据所述M1组属性数据中的每组属性数据包含的(N-1)条属性数据确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的所述K组属性数据，从而实现将M1组属性数据中的每组属性数据包含的剩余属性数据与M2组属性数据进行对比，进而确定M1组属性数据中的每组属性数据包含的剩余属性数据是否有误。因此，通过采用灵活的对比方式，可以更好的得出最终的匹配结果，以依据该匹配结果确定芯片包括的错误属性计算算法。
205、若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，测试终端则根据所述K组属性数据确定所述芯片包括的错误属性计算算法。
可选的，第一方面，在本发明一种可能的实施方式中，若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则根据所述K组属性数据确定所述芯片包括的错误属性计算算法，包括：
若所述M1组属性数据中存在与所述M2组属性数据不匹配的所述K组属性数据，则获取所述K组属性数据中的属性计算错误的属性数据，以得到H条属性数据，其中，H为正整数且K≤H≤(K×N)；
确定与所述H条属性数据对应的R个属性计算算法，以得出所述芯片包括的错误属性计算算法，其中，R为正整数且1≤R≤N。
其中，H例如可等于1、2、3、5、6、11、13、20或其他值。
其中，R例如可等于1、2、3、5、6、11、13、20或其他值。
可以看出，上述技术方案中，在所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据时，测试终端获取所述K组属性数据中的属性计算错误的属性数据，以得到H条属性数据，从而依据K组属性数据中包含的属性计算错误的属性数据确定芯片包括的错误属性计算算法，从而实现对芯片内包含算法的测试，并根据测试结果反向验证具体那个算法存在问题，也为后续开发人员的重新迁移算法或者调整算法做依据。
可选的，基于第一方面，在本发明一种可能的实施方式中，在确定与所述H条属性数据对应的R个属性计算算法，以得出所述芯片包括的错误属性计算算法之后，所述方法还包括：
生成包含所述H条属性数据和所述图像标识的提示信息；
将所述提示信息显示在所述测试终端的显示界面上。
可以看出，上述技术方案中，通过生成包含所述H条属性数据和图像标识的提示信息，并将提示信息显示在测试终端的显示界面上，实现准确展示具体那个图像中的哪些属性数据有误。
进一步的，若所述M1组属性数据中不存在与所述M2组预设属性数据不匹配的K组属性数据，则生成并显示所述芯片包括的属性计算算法无误的提示信息。从而实现准确告知开发人员测试成功，且移植算法成功。
可选的，测试终端可以同时对多个芯片进行测试，基于这种情况下，在一种可能的实施方式中，所述方法还包括：
向X个芯片发送X个测试请求，所述X个测试请求携带X个图像和Y个属性计算标识，第i个测试请求携带的图像和属性计算标识与第(i+1)个测试请求携带的图像和属性计算标识不同，X为大于1的整数，Y为正整数，0＜i≤X且i为整数；
接收所述X个芯片发送的X个测试响应，所述X个测试响应中的每个测试响应携带多组属性数据，第i个测试响应携带的属性数据的组数与第(i+1)个测试请求携带的的属性数据的组数不同；
从所述数据库中分别获取与所述X个图像对应的多组属性数据，第i个图像对应的属性数据的组数与第(i+1)个图像对应的属性数据的组数不同；
按照接收所述X个芯片发送的X个测试响应的时间先后顺序分别将所述X个测试响应中的每个测试响应携带的多组属性数据与所述X个图像对应的多组属性数据一一进行匹配，以确定所述X个测试响应中的每个测试响应携带的多组属性数据中是否存在与所述X个图像对应的多组属性数据不匹配的属性数据集，所述属性数据集中包括所述第i个测试响应携带的多组属性数据中与第i个图像对应的多组属性数据不匹配的多组属性数据；
根据所述属性数据集确定所述X个芯片中包括的错误属性计算算法。
其中，第i个测试请求携带的图像和属性计算标识与第(i+1)个测试请求携带的图像和属性计算标识不同，这里的不同包括图像不同，属性计算标识不同以及属性计算标识的数量不同。其中，X例如可等于1、2、3、5、6、11、13、20或其他值。
其中，Y例如可等于1、2、3、5、6、11、13、20或其他值。
其中，i例如可等于1、2、3、5、6、11、13、20或其他值。
进一步的，在对多个芯片进行测试的时候，还可以向多个芯片发送同一张图像。另外，属性计算标识也可以相同，也可以不相同。
参见图3，图3为本发明的一个实施例提供的一种测试终端的示意图。其中，如图3所示，本发明的一个实施例提供的一种测试终端300可以包括：
发送模块301，用于向芯片发送测试请求，其中，所述测试请求携带图像；
可选的，图像可以是视频中的某一图像帧，也可以是单独的图像。其中，该图像中包括一张或多张人脸。
其中，测试终端例如可以是平板电脑、笔记本电脑、掌上电脑、MID、台式电脑或其他测试终端设备。
可选的，芯片中包括了多种算法，这多种算法包括人脸识别算法、人脸检测算法、多种属性计算算法。进一步的，这多种属性计算算法包括性别计算算法、年龄计算算法、姿态计算算法等。
可选的，在一种可能的实施方式中，所述测试请求还携带N个属性计算标识，N为正整数，所述M1组属性数据由所述芯片调用与所述N个属性计算标识匹配的N个属性计算算法对M1个特征进行处理得到，所述M1个特征由所述芯片调用预设算法对编码进行处理得到，所述编码由所述芯片对所述图像进行解码得到。
其中，N例如可等于1、2、3、5、6、11、13、20或其他值。
其中，M1个特征可以是该图像中包括的M1张人脸。
可选的，预设算法例如可以是人脸识别算法或人脸检测算法。
其中，编码包括YUV编码。YUV，是一种颜色编码方法。“Y”表示明亮度(Luminance、Luma)，“U”和“V”则是色度、饱和度(Chrominance、Chroma)。
其中，N个属性计算标识例如可以包括性别计算标识、年龄计算标识、姿态计算标识等。
其中，N个属性计算算法例如可以包括性别计算算法、年龄计算算法、姿态计算算法等。
举例来说，某张图像中包括3张人脸，即3个特征，其中，多个属性计算标识包括性别计算标识和年龄计算标识，那么芯片会调用与性别计算标识和年龄计算标识分别对应的性别计算算法和年龄计算算法对这3张人脸进行处理，那么就可以得到这3张人脸中每张人脸对应的人的性别、年龄。也就是说，最后会得到3组属性数据，这3组属性数据中每组属性数据包括性别和年龄。
接收模块302，用于接收所述芯片发送的测试响应，其中，所述测试响应携带M1组属性数据，所述M1组属性数据由所述芯片对所述图像进行处理得到，M1为正整数，M2为正整数；
其中，M1例如可等于1、2、3、5、6、11、13、20或其他值。
可选的，属性数据包括年龄、性别、姿态等。进一步的，M1组属性数据中的每组属性数据例如可以包括年龄、性别、姿态等。
举例来说，一张图片中包含了M1张人脸，那么在芯片调用多种算法对图片进行处理后，那么就可以得知M1张人脸中每张人脸对应的人的年龄、性别、姿态等。
获取模块303，用于从数据库中获取与所述图像对应的M2组属性数据；
其中，M2例如可等于1、2、3、5、6、11、13、20或其他值。
其中，M2组属性数据中的每组属性数据例如可以包括年龄、性别、姿态等。
可选的，在一种可能的实施方式中，所述测试终端还包括存储模块，所述存储模块，用于：
将所述图像输入模拟器，以得到M2组属性数据，其中，所述芯片包括的所述预设算法和T个属性计算算法是从所述模拟器迁移过去的，T为大于或等于N的整数；
获取与所述图像对应的图像标识；
将所述M2组属性数据与所述图像标识关联存储在所述数据库中。
其中，M2组属性数据为包含在该图像中的全部属性数据。进一步的，M2组属性数据中的每组属性数据都是正确的属性数据。
举例来说，某张图像中包括3张人脸，那么测试终端将该图像输入模拟器后，会得到这3张人脸中每张人脸对应的人的全部属性数据。这里的属性数据例如可以包括性别、年龄，姿态等。
其中，所述模拟器运行在所述测试终端上。
匹配模块304，用于将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数；
其中，K例如可等于1、2、3、5、6、11、13、20或其他值。
可选的，在一种可能的实施方式中，所述匹配模块，具体用于：
将M1条第一属性数据与M2条第一属性数据进行匹配，得到P条第一属性数据差，其中，所述M1条第一属性数据为所述M1组属性数据中的每组属性数据包含的第一属性数据，所述M2条第一属性数据为所述M2组属性数据中的每组属性数据包含的第一属性数据，0＜P≤M1且P为整数；
获取与所述第一属性数据对应的第一属性阈值；
将所述P条第一属性数据差与所述第一属性阈值进行匹配，以确定所述P条第一属性数据差中是否存在与所述第一属性阈值不匹配的Q条第一属性数据差，其中，0＜Q≤K且Q为整数；
若所述P条第一属性数据差中存在与所述第一属性阈值不匹配的Q条第一属性数据差，则确定与所述Q条第一属性数据差对应的Q组属性数据；
将M1组属性数据中的每组属性数据包含的(N-1)条属性数据分别与所述M2组属性数据中的每组预设属性数据包含的(N-1)条预设属性数据进行匹配，以分别根据所述M1组属性数据中的每组属性数据包含的(N-1)条属性数据确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的所述K组属性数据，其中，所述K组属性数据包括所述Q组属性数据。
其中，所述第一属性数据例如可以是年龄。
其中，P例如可等于1、2、3、5、6、11、13、20或其他值。
其中，Q例如可等于1、2、3、5、6、11、13、20或其他值。
举例来说，M1为3，一共有3组属性数据，每组属性数据中包括年龄、性别、姿态。也就是说，第一组属性数据包括19、男、站立并含胸；第二组属性数据包括38、女、坐并驼背；第三组属性数据包括28、男、正襟危坐。
M2为3，第一组属性数据包括20、男、站立并含胸；第二组属性数据36、男、坐并驼背；第三组属性数据包括27、男、正襟危坐。
其中，第一属性阈值为1。那么，可以看出，19与20的差值为1，38与36的差值为2，28与27的差值为1。由于第一属性阈值为1，因此，可以确定19与20的差值与第一属性阈值匹配，而38与36的差值与第一属性阈值不匹配，28与27的差值与第一属性阈值匹配。
进一步的，19、28可以判断为正确年龄，而36可以判断为错误年龄，也就是说，芯片上包括的年龄对应的属性计算算法错误。
另外，对于性别，可以发现也存在不匹配的情况，那么芯片上包括的性别对应的属性计算算法错误。
同理，对于姿态，都是可以匹配上的，那么芯片上包括的姿态对应的属性计算算法无误。
确定模块305，用于若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则确定所述芯片包括的错误属性计算算法。
可选的，在本发明一种可能的实施方式中，所述确定模块，具体用于：
若所述M1组属性数据中存在与所述M2组属性数据不匹配的所述K组属性数据，则获取所述K组属性数据中的属性计算错误的属性数据，以得到H条属性数据，其中，H为正整数且K≤H≤(K×N)；
确定与所述H条属性数据对应的R个属性计算算法，以得出所述芯片包括的错误属性计算算法，其中，R为正整数且1≤R≤N。
其中，H例如可等于1、2、3、5、6、11、13、20或其他值。
其中，R例如可等于1、2、3、5、6、11、13、20或其他值。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应所述知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应所述知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种测试方法，其特征在于，包括：
向芯片发送测试请求，其中，所述测试请求携带图像；
接收所述芯片发送的测试响应，其中，所述测试响应携带M1组属性数据，M1为正整数；
从数据库中获取与所述图像对应的M2组属性数据，M2为正整数；
将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数；
若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则根据所述K组属性数据确定所述芯片包括的错误属性计算算法；
其中，所述测试请求还携带N个属性计算标识，N为正整数，所述M1组属性数据由所述芯片调用与所述N个属性计算标识匹配的N个属性计算算法对M1个特征进行处理得到，所述M1个特征基于所述图像得到，所述芯片包括的T个属性计算算法是从模拟器迁移过去的，T为大于或等于N的整数。
2.根据权利要求1所述的方法，其特征在于，所述M1个特征由所述芯片调用预设算法对编码进行处理得到，所述编码由所述芯片对所述图像进行解码得到，其中，所述芯片包括的所述预设算法是从所述模拟器迁移过去的。
3.根据权利要求2所述的方法，其特征在于，在所述从数据库中获取与所述图像对应的M2组属性数据之前，所述方法还包括：
将所述图像输入模拟器，以得到M2组属性数据；
获取与所述图像对应的图像标识；
将所述M2组属性数据与所述图像标识关联存储在所述数据库中。
4.根据权利要求1所述的方法，其特征在于，所述M1组属性数据中的每组属性数据均包含第一属性数据，所述将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，包括：
将M1条第一属性数据与M2条第一属性数据进行匹配，得到P条第一属性数据差，其中，所述M1条第一属性数据为所述M1组属性数据中的每组属性数据包含的第一属性数据，所述M2条第一属性数据为所述M2组属性数据中的每组属性数据包含的第一属性数据，0＜P≤M1且P为整数；
获取与所述第一属性数据对应的第一属性阈值；
将所述P条第一属性数据差与所述第一属性阈值进行匹配，以确定所述P条第一属性数据差中是否存在与所述第一属性阈值不匹配的Q条第一属性数据差，其中，0＜Q≤K且Q为整数；
若所述P条第一属性数据差中存在与所述第一属性阈值不匹配的Q条第一属性数据差，则确定与所述Q条第一属性数据差对应的Q组属性数据；
将M1组属性数据中的每组属性数据包含的(N-1)条属性数据分别与所述M2组属性数据中的每组预设属性数据包含的(N-1)条预设属性数据进行匹配，以分别根据所述M1组属性数据中的每组属性数据包含的(N-1)条属性数据确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的所述K组属性数据，其中，所述K组属性数据包括所述Q组属性数据。
5.根据权利要求1所述的方法，其特征在于，若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则根据所述K组属性数据确定所述芯片包括的错误属性计算算法，包括：
若所述M1组属性数据中存在与所述M2组属性数据不匹配的所述K组属性数据，则获取所述K组属性数据中的属性计算错误的属性数据，以得到H条属性数据，其中，H为正整数且K≤H≤(K×N)，N为正整数；
确定与所述H条属性数据对应的R个属性计算算法，以得出所述芯片包括的错误属性计算算法，其中，R为正整数且1≤R≤N。
6.一种测试终端，其特征在于，包括：
发送模块，用于向芯片发送测试请求，其中，所述测试请求携带图像；
接收模块，用于接收所述芯片发送的测试响应，其中，所述测试响应携带M1组属性数据，M1为正整数；
获取模块，用于从数据库中获取与所述图像对应的M2组属性数据，M2为正整数；
匹配模块，用于将所述M1组属性数据与所述M2组属性数据进行匹配，以确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的K组属性数据，其中，0＜K≤M1且K为整数；
确定模块，用于若所述M1组属性数据中存在与所述M2组属性数据不匹配的K组属性数据，则确定所述芯片包括的错误属性计算算法；
其中，所述测试请求还携带N个属性计算标识，N为正整数，所述M1组属性数据由所述芯片调用与所述N个属性计算标识匹配的N个属性计算算法对M1个特征进行处理得到，所述M1个特征基于所述图像得到，所述芯片包括的T个属性计算算法是从模拟器迁移过去的，T为大于或等于N的整数。
7.根据权利要求6所述的测试终端，其特征在于，所述M1个特征由所述芯片调用预设算法对编码进行处理得到，所述编码由所述芯片对所述图像进行解码得到，其中，所述芯片包括的所述预设算法是从所述模拟器迁移过去的。
8.根据权利要求7所述的测试终端，其特征在于，所述测试终端还包括存储模块，所述存储模块，用于：
将所述图像输入模拟器，以得到M2组属性数据；
获取与所述图像对应的图像标识；
将所述M2组属性数据与所述图像标识关联存储在所述数据库中。
9.根据权利要求6所述的测试终端，其特征在于，所述匹配模块，具体用于：
将M1条第一属性数据与M2条第一属性数据进行匹配，得到P条第一属性数据差，其中，所述M1条第一属性数据为所述M1组属性数据中的每组属性数据包含的第一属性数据，所述M2条第一属性数据为所述M2组属性数据中的每组属性数据包含的第一属性数据，0＜P≤M1且P为整数；
获取与所述第一属性数据对应的第一属性阈值；
将所述P条第一属性数据差与所述第一属性阈值进行匹配，以确定所述P条第一属性数据差中是否存在与所述第一属性阈值不匹配的Q条第一属性数据差，其中，0＜Q≤K且Q为整数；
若所述P条第一属性数据差中存在与所述第一属性阈值不匹配的Q条第一属性数据差，则确定与所述Q条第一属性数据差对应的Q组属性数据；
将M1组属性数据中的每组属性数据包含的(N-1)条属性数据分别与所述M2组属性数据中的每组预设属性数据包含的(N-1)条预设属性数据进行匹配，以分别根据所述M1组属性数据中的每组属性数据包含的(N-1)条属性数据确定所述M1组属性数据中是否存在与所述M2组属性数据不匹配的所述K组属性数据，其中，所述K组属性数据包括所述Q组属性数据。
10.根据权利要求6所述的测试终端，其特征在于，所述确定模块，具体用于：
若所述M1组属性数据中存在与所述M2组属性数据不匹配的所述K组属性数据，则获取所述K组属性数据中的属性计算错误的属性数据，以得到H条属性数据，其中，H为正整数且K≤H≤(K×N)，N为正整数；
确定与所述H条属性数据对应的R个属性计算算法，以得出所述芯片包括的错误属性计算算法，其中，R为正整数且1≤R≤N。
CN201910669862.6A 2019-07-23 2019-07-23 一种测试方法和相关装置 Active CN110442484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910669862.6A CN110442484B (zh) 2019-07-23 2019-07-23 一种测试方法和相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910669862.6A CN110442484B (zh) 2019-07-23 2019-07-23 一种测试方法和相关装置

Publications (2)

Publication Number Publication Date
CN110442484A CN110442484A (zh) 2019-11-12
CN110442484B true CN110442484B (zh) 2023-10-13

Family

ID=68431251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910669862.6A Active CN110442484B (zh) 2019-07-23 2019-07-23 一种测试方法和相关装置

Country Status (1)

Country Link
CN (1) CN110442484B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103512762A (zh) * 2012-06-29 2014-01-15 北京华兴致远科技发展有限公司 图像处理方法、装置及列车故障检测系统
CN104239336A (zh) * 2013-06-19 2014-12-24 华为技术有限公司 一种图像筛选方法、装置及终端
CN107844781A (zh) * 2017-11-28 2018-03-27 腾讯科技（深圳）有限公司 人脸属性识别方法及装置、电子设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014008660A (ja) * 2012-06-28 2014-01-20 Canon Finetech Inc インクジェット記録装置、及び、マスクパターン生成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103512762A (zh) * 2012-06-29 2014-01-15 北京华兴致远科技发展有限公司 图像处理方法、装置及列车故障检测系统
CN104239336A (zh) * 2013-06-19 2014-12-24 华为技术有限公司 一种图像筛选方法、装置及终端
CN107844781A (zh) * 2017-11-28 2018-03-27 腾讯科技（深圳）有限公司 人脸属性识别方法及装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN110442484A (zh) 2019-11-12

Similar Documents

Publication Publication Date Title
US10726299B2 (en) Sorted geometry with color clustering (SGCC) for point cloud compression
WO2019200902A1 (zh) 图像识别方法及装置
CN106951346B (zh) 一种响应时间的测试方法和装置
WO2019242222A1 (zh) 用于生成信息的方法和装置
CN108197618B (zh) 用于生成人脸检测模型的方法和装置
CN111242097A (zh) 一种人脸识别方法、装置、计算机可读介质及电子设备
CN111985281B (zh) 图像生成模型的生成方法、装置及图像生成方法、装置
US11514263B2 (en) Method and apparatus for processing image
CN110555334B (zh) 人脸特征确定方法、装置、存储介质及电子设备
WO2019184822A1 (zh) 多媒体文件处理方法和装置、存储介质及电子装置
CN113392236A (zh) 一种数据分类方法、计算机设备及可读存储介质
CN112633221B (zh) 一种人脸方向的检测方法及相关装置
CN109640104A (zh) 基于人脸识别的直播互动方法、装置、设备及存储介质
CN115578614B (zh) 图像处理模型的训练方法、图像处理方法和装置
US20230327897A1 (en) Gaze Repositioning During A Video Conference
CN110442484B (zh) 一种测试方法和相关装置
CN111507140A (zh) 人像对比方法、系统、电子设备和可读存储介质
EP3026671A1 (en) Method and apparatus for detecting emotional key frame
CN117939109A (zh) 视频图像质量检测方法、装置、设备及可读存储介质
CN113395599A (zh) 一种视频处理方法、装置、电子设备及介质
US9685197B2 (en) Method for generating thumbnail and electronic device thereof
US9218669B1 (en) Image ghost removal
US20140328548A1 (en) Enhancing content appearance
WO2022141094A1 (zh) 模型生成方法、图像处理方法、装置及可读存储介质
CN106682201A (zh) 图像匹配方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant