English(EN) Towards Understanding Deep Learning Model in Image Recognition via Coverage Test

新研究探讨深度学习模型覆盖率指标和安全性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

研究人员进行了一项实证研究，以了解深度学习模型深度、配置与神经网络覆盖率指标之间的关系。该研究使用了LeNet、VGG和ResNet架构，以及从5层到54层的模型，分析了四种覆盖率指标：主要功能、边界、层次结构和结构覆盖率。此外，研究还探讨了修改后的决策/条件覆盖率与数据集大小之间的联系，并提出了增强DNN安全测试的三个未来研究方向。 AI

影响通过分析覆盖率指标，为改进深度学习模型的安全测试提供了见解。

排序理由该集群包含一篇详细介绍深度学习模型实证研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍深度学习模型实证研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 93 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Wenkai Li, Xiaoqi Li, Yingjie Mao, Yishun Wang · 2026-07-07 04:00

通过覆盖率测试理解深度学习模型在图像识别中的应用

arXiv:2505.08814v3 Announce Type: replace-cross Abstract: Deep neural networks (DNNs) play a crucial role in the field of artificial intelligence, and their security-related testing has been a prominent research focus. By inputting test cases, the behavior of models is examined f…

本文如何被排名

报道来源 [1]

通过覆盖率测试理解深度学习模型在图像识别中的应用

相关实体

相关话题