图片识别算法的精度测试方法和系统与流程

1.本技术涉及人工智能领域，特别是涉及一种图片识别算法的精度测试方法和系统。


背景技术：

2.随着人工智能领域的快速发展，图片识别技术得到了广泛应用，图片识别的业务需求也越来越多。因此，需要对图片识别算法进行测试，以获知图片识别算法的识别精度。
3.在相关技术中，通过人工操作进行数据采集、图片训练识别、测试、统计等工作，进而获得图片识别算法的识别精度，该类方法需要人工操作，而人工操作的过程主观性较强，且测试数据不够量化，导致测试效率低下。
4.目前针对相关技术中图片识别算法精度测试方法效率低下的问题尚未提出有效的解决方案。


技术实现要素：

5.本技术实施例提供了一种图片识别算法的精度测试方法、系统、电子装置和存储介质，以至少解决相关技术中通过人工操作进行图片识别算法的精度测试，导致效率低下的问题。
6.第一方面，本技术实施例提供了一种图片识别算法的精度测试的方法，所述方法包括：
7.步骤s1：通过采集模块，获取目标对象的测试图集；
8.步骤s2：通过预处理模块，读取所述测试图集中的所有图片文件，将所述图片文件转换为图片字符之后，推送至测试模块；
9.步骤s3：通过所述测试模块，调用所述图片识别算法的接口，判断所述图片字符是否被识别为所述目标对象，并记录识别结果；
10.步骤s4：通过输出模块，根据所有图片字符的识别结果，自动生成精度测试结果。
11.在其中一些实施例中，通过自动化测试框架，指示所述预处理模块和所述测试模块循环执行所述步骤s2和步骤s3，自动遍历所述测试图集中的所有图片文件，在所有图片文件遍历完成之后，得到所有文件的识别结果。
12.在其中一些实施例中，所述步骤s3包括：
13.通过所述测试模块，调用所述图片识别算法的接口，指示所述图片识别算法识别所述图片字符，其中，
14.识别过程启用断言，在所述图片字符识别成功的情况下，断言输出值为真，在所述图片字符无法识别的情况下，断言输出值为假，并指示所述测试模块中止对所述图片的识别流程。
15.在其中一些实施例中，所述方法还包括：
16.通过执行所述步骤s1至s4，得到第一版本图片识别算法的第一精度测试结果，以
及第二版本图片识别算法的第二精度测试结果；
17.根据所述第一精度测试结果和所述第二精度测试结果，得到算法版本的优化信息。
18.在其中一些实施例中，将所述图片文件转换为图片字符的过程中，根据所述图片识别算法的属性信息和摄像设备的参数信息，对所述图片文件进行尺寸转换。
19.在其中一些实施例中，将所述图片文件转换为图片字符之后，所述方法还包括：
20.对所述图片字符进行加密处理。
21.在其中一些实施例中，所述步骤s1之前，所述方法还包括：
22.基于预设规则，通过摄像设备拍摄n个所述目标对象的照片，得到训练数据集，基于所述训练数据集训练所述图片识别算法。
23.第二方面，本技术实施例提供了一种图片识别算法的精度测试系统，所述系统包括：采集模块、预处理模块、测试模块、输出模块：
24.所述采集模块，用于获取目标对象的测试图集；
25.所述预处理模块，用于读取所述测试图集中的所有图片文件，将所述图片文件转换为图片字符之后，推送至测试模块；
26.所述测试模块，用于调用所述图片识别算法的接口，判断所述图片字符是否被识别为所述目标对象，并记录识别结果；
27.所述输出模块，用于根据所有图片字符的识别结果，自动生成精度测试结果。
28.第三方面，本技术实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的方法。
29.第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的方法。
30.相比于相关技术，本技术实施例提供的图片识别算法的精度测试方法，通过采集模块，获取目标对象的测试图集，通过预处理模块，读取该测试图集中的所有图片文件，将该图片文件转换为图片字符之后，推送至测试模块，通过该测试模块，调用该图片识别算法的接口，判断该图片字符是否被识别为该目标对象，并记录识别结果，通过输出模块，根据所有图片字符的识别结果，自动生成图片识别算法的精度测试结果，解决了通过人工操作进行图片识别算法的识别精度测试，主观性强且测试数据不够量化而导致测试效率低下的问题，提高了图片识别算法的精度测试的效率、场景覆盖率和接口测试的易用性，同时，节省了人力成本，使得测试工程师可以专注于测试图集的制作和测试结果的分析。
附图说明
31.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
32.图1是根据本技术实施例的图片识别算法的精度测试方法的应用环境示意图；
33.图2是根据本技术实施例的图片识别算法的精度测试方法的流程图；
34.图3根据本技术实施例的另一种图片识别算法的精度测试方法的流程图；
35.图4是根据本技术实施例的图片识别算法的精度测试系统的结构框图；
36.图5是根据本技术实施例的电子设备的内部结构示意图。
具体实施方式
37.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。基于本技术提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
38.显而易见地，下面描述中的附图仅仅是本技术的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本技术应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本技术公开的内容相关的本领域的普通技术人员而言，在本技术揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本技术公开的内容不充分。
39.在本技术中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本技术所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
40.除非另作定义，本技术所涉及的技术术语或者科学术语应当为本技术所属技术领域内具有一般技能的人士所理解的通常意义。本技术所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本技术所涉及的术语“包括”、“包含”、“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模块(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，而是可以还包括没有列出的步骤或单元，或可以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。本技术所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本技术所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本技术所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
41.本发明提供的图片识别算法的精度测试方法，可以适用于图1所示的应用环境中示意图。如图1所示，其中，终端设备10与服务器11通过网络进行通信。终端设备10拍摄目标对象，得到测试图集并传输给服务器11，服务器11接收测试图集，读取该测试图集中的所有图片文件，将图片文件转换为图片字符之后，调用图片识别算法的接口，判断该图片字符是否被识别为目标对象，并记录识别结果，最后，根据所有图片字符的识别结果，自动生成图片识别算法的精度测试结果。其中，终端设备10可以是任何能够拍照的设备，例如智能手机、平板电脑、单反相机、笔记本电脑和便携式可摄影设备，服务器11可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
42.本实施例提供了一种图片识别算法的精度测试方法。图2是根据本技术实施例的
图片识别算法的精度测试方法的流程图，如图2所示，该流程包括如下步骤：
43.步骤s201，通过采集模块，获取目标对象的测试图集。
44.本实施例中，目标对象为各种现实存在物体，其可以但不限于是建筑、动植物、人等。
45.需要说明的是，为了使测试图集尽可能的覆盖实际ar体验过程中所有可能出现的情景，采集该目标对象的测试图集时，需要考虑到纹理丰富、均匀、清晰、线性、反光、重复、对称等所有因素，从多个维度采集类型和数量丰富的图像。同时，为了满足测试最低需求，该测试图集中的图像数量应当满足一定要求(如3000张)，当然，也可根据目标对象的实际情况灵活调整。
46.例如，当该目标对象为可乐罐时，可以从不同角度、不同地点(如，室内、室外)、不同光照环境(如，阴影处、阳光下)拍摄得到亮度、颜色、拍摄角度存在差异的可乐罐图像。
47.步骤s202，通过预处理模块，读取该测试图集中的所有图片文件，将该图片文件转换为图片字符之后，推送至测试模块。
48.需要说明的是，由于计算机程序无法直接识别图片文件，因此，在算法识别该图片文件之前，需要将其转换为字符格式。可选的，将一张m*n大小的图片看成是一个m*n的矩阵，矩阵的每一个元素对应有一个颜色值，将不同的颜色值用不同的字符代替，这里的字符指ascii码(american standard code for information interchange，美国信息交换标准代码)可以在屏幕上打印显示的字符，再把这个字符矩阵输出到文本文件中保存，得到图片对应的字符文件。
49.本实施例中，在预处理模块读取图片文件之前，设计人员已经编写好将图片文件转换为字符格式的脚本文件，并内置在预处理模块内。
50.步骤s203，通过测试模块，调用图片识别算法的接口，判断该图片字符是否被识别为该目标对象，并记录识别结果。
51.其中，测试模块利用已组装完成的接口测试脚本，调用该图片识别算法的接口，进行接口测试。
52.接口测试，是测试系统组件间接口的一种测试，主要用于检测外部系统与系统之间以及内部各个子系统之间的交互点，验证其正确性和稳定性。本实施例中，通过接口测试，判断当前图片字符是否被图片识别算法识别为目标对象。
53.例如，当步骤s201中的目标对象是可乐罐时，本步骤中，即通过接口测试，判断测试图集中的图片文件是否被识别为该可乐罐。
54.步骤s204，通过输出模块，根据所有图片字符的识别结果，自动生成精度测试结果。本实施例中，图片识别算法精度可以表示为：成功识别为目标对象的图片文件在该测试图集的所有图片文件中的占比。
55.通过上述步骤s201至步骤s204，本实施例提供了一种图片识别算法的自动化测试工具，其中，通过采集模块、预处理模块、测试模块和输出模块自动处理图片和统计数据，基于采集好的测试图集进行自动化测试。解决了传统方式，通过人工操作进行图片识别算法的识别精度测试，主观性强且测试数据不够量化而导致测试效率低下的问题，提供了一套自动化测试工具，提高了图片识别算法的精度测试的效率、场景覆盖率和接口测试的易用性，同时，节省了人力成本，使得测试工程师可以专注于测试图集的制作和测试结果的分
析。
56.在其中一些实施例中，通过自动化测试框架，指示该预处理模块和该测试模块循环执行该步骤s202和步骤s203，自动遍历该测试图集中的所有图片文件，在所有图片文件遍历完成之后，得到所有文件的识别结果。其中，自动化测试框架是由一个或多个自动化测试基础模块、自动化测试管理模块、自动化测试统计模块等组成的工具集合，是为自动化测试用例或者脚本提供执行环境而搭建的基础设施，自动化测试框架可以帮助测试者有效地开发、执行和报告自动化测试用例。
57.具体的，在本实施例中，自动化测试框架的作用包括但不限于是，自动执行将图片文件转换为图片字符，将图片字符推送至算法的识别接口，以及遍历测试图集中的图片文件执行上述转换和推送识别流程等。
58.在其中一些实施例中，通过测试模块，调用图片识别算法的接口，指示该图片识别算法识别图片字符，其中，识别过程启用断言，在该图片字符识别成功的情况下，断言输出值为真，在该图片字符无法识别的情况下，断言输出值为假，并指示测试模块中止对该图片字符的识别流程。
59.需要说明的是，断言(assertion)是一种在程序中的一阶逻辑(一个结果为真或假的逻辑判断式)，目的是为了表示与验证软件开发者预期的结果——当程序执行到断言的位置时，对应的断言应该为真，若断言不为真时，程序会中止执行当前进程，并给出错误信息。编写代码时总是会做出一些假设，相信在程序中的某个特定点该表达式值为真，断言就是用于在代码中捕捉这些假设，可以在任何时候启用和禁用断言验证，因此可以在测试时启用断言而在部署时禁用断言。
60.在其中一些实施例中，考虑到：由于不同摄影设备的参数信息不一样，例如，智能手机有4032*3016、4032*2240、3016*3016、3264*2448等不同分辨率，单反相机有720*480、1920*1280、2592*1728、3456*2304等不同分辨率，这会使得到的测试图集中的图片文件与该图片识别算法不适配，因此在将该图片文件转换为图片字符的过程中，需要根据该图片识别算法的属性信息，及摄像设备的参数信息，对该图片文件进行尺寸转换。
61.具体的，通过摄像设备的参数信息获知该图片文件的参数信息，根据图片识别算法的属性信息，通过对该图片文件进行尺寸转换，使该图片文件尺寸转换为适应该图片识别算法的尺寸。
62.在其中一些实施例中，为了提升系统的安全性，将图片文件转换为图片字符之后，还包括：对该图片字符进行加密处理。本实施例中，所采用的加密方法包括但不限于des(data encryption standard)对称算法、3des(triple des)对称算法、rc2和rc4对称算法、idea(international data encryption algorithm)国际数据加密算法、rsa公共密钥算法等。
63.在其中一些实施例中，在获取目标对象的测试图集之前，还包括：基于预设规则，通过摄像设备拍摄n个该目标对象的照片，得到训练数据集，基于该训练数据集训练图片识别算法，使得该算法具备识别该目标对象的能力。本实施例中，为了使得到的图片识别算法精度更准确，训练数据集中的照片应尽可能的接近目标对象的真实状态，因此，预设规则包括但不限于是：在考虑纹理丰富、均匀、清晰、非线性、不反光、不重复、不对称等多维因素的情况下进行采集，且采集的训练图集的数量也应满足一定要求。
64.在其中一些实施例中，图3是根据本技术实施例的另一种图片识别算法的精度测试方法的流程图，如图3所示，该流程包括如下步骤：
65.步骤s301，通过执行步骤s201至s204，得到第一版本图片识别算法的第一精度测试结果；
66.步骤s302，通过执行步骤s201至s204，得到第二版本图片识别算法的第二精度测试结果；
67.步骤s303，通过输出模块，自动对比第一精度测试结果和该第二精度测试结果，得到算法版本的优化信息。
68.通过上述步骤s301至步骤s303，在算法版本迭代过程中，采用同一组训练图集和测试图集进行测试，通过对比识别成功率来判断算法精度是否优化，某个算法的识别成功率越高，则该算法更优。
69.需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
70.本实施例还提供了一种图片识别算法的精度测试系统，该系统用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
71.图4是根据本技术实施例的图片识别算法的精度测试的结构框图，如图4所示，该系统包括：采集模块41、预处理模块42、测试模块43、输出模块44：
72.采集模块41，用于获取目标对象的测试图集；
73.预处理模块42，用于读取该测试图集中的所有图片文件，将该图片文件转换为图片字符之后，推送至测试模块；
74.测试模块43，用于调用该图片识别算法的接口，判断该图片字符是否被识别为该目标对象，并记录识别结果；
75.输出模块44，用于根据所有图片字符的识别结果，自动生成精度测试结果。
76.通过上述系统，采集模块获取目标对象的测试图集，基于该测试图集，通过预处理模块和测试模块得到所有图片的识别结果，通过输出模块，自动生成精度测试结果，解决了传统方式，通过人工操作进行图片识别算法的识别精度测试主观性强且测试数据不够量化而导致测试效率低下的问题，提供了一套自动化测试工具，提高了图片识别算法的精度测试的效率、场景覆盖率和接口测试的易用性，同时，节省了人力成本，使得测试工程师可以专注于测试图集的制作和测试结果的分析。
77.需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
78.本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
79.可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备
和上述处理器连接，该输入输出设备和上述处理器连接。
80.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
81.步骤s1：通过采集模块，获取目标对象的测试图集；
82.步骤s2：通过预处理模块，读取该测试图集中的所有图片文件，将该图片文件转换为图片字符之后，推送至测试模块；
83.步骤s3：通过测试模块，调用图片识别算法的接口，判断该图片字符是否被识别为该目标对象，并记录识别结果；
84.步骤s4：通过输出模块，根据所有图片字符的识别结果，自动生成精度测试结果。
85.需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
86.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图片识别算法的测试方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
87.在一个实施例中，图5是根据本技术实施例的电子设备的内部结构示意图，如图5所示，提供了一种电子设备，该电子设备可以是服务器，其内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的数据库用于存储数据。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图片识别算法的精度测试方法。
88.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
89.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram
(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
90.本领域的技术人员应该明白，以上该实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
91.以上该实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种图片识别算法的精度测试方法，其特征在于，所述方法包括：步骤s1：通过采集模块，获取目标对象的测试图集；步骤s2：通过预处理模块，读取所述测试图集中的所有图片文件，将所述图片文件转换为图片字符之后，推送至测试模块；步骤s3：通过所述测试模块，调用所述图片识别算法的接口，判断所述图片字符是否被识别为所述目标对象，并记录识别结果；步骤s4：通过输出模块，根据所有图片字符的识别结果，自动生成精度测试结果。2.根据权利要求1所述的方法，其特征在于，通过自动化测试框架，指示所述预处理模块和所述测试模块循环执行所述步骤s2和步骤s3，自动遍历所述测试图集中的所有图片文件，在所有图片文件遍历完成之后，得到所有图片文件的识别结果。3.根据权利要求2所述的方法，其特征在于，所述步骤s3包括：通过所述测试模块，调用所述图片识别算法的接口，指示所述图片识别算法识别所述图片字符，其中，识别过程启用断言，在所述图片字符识别成功的情况下，断言输出值为真，在所述图片字符无法识别的情况下，断言输出值为假，并指示所述测试模块中止对所述图片字符的识别流程。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过执行所述步骤s1至s4，得到第一版本图片识别算法的第一精度测试结果，以及第二版本图片识别算法的第二精度测试结果；根据所述第一精度测试结果和所述第二精度测试结果，得到算法版本的优化信息。5.根据权利要求1所述的方法，其特征在于，将所述图片文件转换为图片字符的过程中，根据所述图片识别算法的属性信息和摄像设备的参数信息，对所述图片文件进行尺寸转换。6.根据权利要求1所述的方法，其特征在于，将所述图片文件转换为图片字符之后，所述方法还包括：对所述图片字符进行加密处理。7.根据权利要求1所述的方法，其特征在于，所述步骤s1之前，所述方法还包括：基于预设规则，通过摄像设备拍摄n个所述目标对象的照片，得到训练数据集，基于所述训练数据集训练所述图片识别算法。8.一种图片识别算法的精度测试系统，其特征在于，所述系统包括：采集模块、预处理模块、测试模块和输出模块：所述采集模块，用于获取目标对象的测试图集；所述预处理模块，用于读取所述测试图集中的所有图片文件，将所述图片文件转换为图片字符之后，推送至测试模块；所述测试模块，用于调用所述图片识别算法的接口，判断所述图片字符是否被识别为所述目标对象，并记录识别结果；所述输出模块，用于根据所有图片字符的识别结果，自动生成精度测试结果。9.一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7
中任一项所述方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述方法。

技术总结
本申请涉及一种图片识别算法的精度测试方法，该方法包括：通过采集模块，获取目标对象的测试图集；通过预处理模块，读取该测试图集中的所有图片文件，并将图片文件转换为图片字符，推送至测试模块；通过该测试模块，调用图片识别算法的接口，判断该图片字符是否被识别为目标对象，并记录识别结果；通过输出模块，根据所有图片字符的识别结果，自动生成精度测试结果。通过本申请，解决了人工操作进行图片识别算法的识别精度测试，主观性强且测试数据不够量化而导致测试效率低下的问题，提高了图片识别算法的精度测试的效率、场景覆盖率和接口测试的易用性，同时，节省了人力成本，使得测试工程师可以专注于测试图集的制作和测试结果的分析。分析。分析。


技术研发人员：秦莉莉 虞崇军 邹礼见
受保护的技术使用者：杭州易现先进科技有限公司
技术研发日：2023.03.09
技术公布日：2023/7/12