软件测试常见概念

一.软件质量模型

1.功能性
软件能够满足明确和隐含要求的功能。
2.可靠性
软件在异常情况下能正确处理,或者软件在出错情况下能很快恢复过来。
3.易用性
“一看就懂,一用就会”,易懂易学易用,漂亮好看。
4.效率性
运行软件很快就能出结果,不需要等,运行起来省内存。
5.可维护性
问题发现可以很方便改正,想增加功能就能增加。
6.可移植性
指软件产品从一个环境迁移到另一个环境的能力。
7.兼容性
① 共存性 定义:在与其他产品共享通用的环境和资源的条件下,产品能够有效执行其所需的功能并且不会对其他产品造成负面影响的程度
② 互操作性 定义:两个或多个系统、产品或组件能够交换信息并使用已交换的信息的程度
8.安全性
指软件产品或系统保护信息和数据的程度,其可使用户、产品或系统具有与其授权类型、授权级别一致的数据访问程度。

二.软件测试分类

1.按照覆盖源代码分类:
黑盒测试
白盒测试
灰盒测试
2.按照阶段分类:
单元测试 (测试代码)
集成测试 (接口之间的测试,对多个单元组装的产物进行测试)
系统测试 (对系统整体的功能和非功能进行测试)
验收测试 (公司内测,用户公测)
3.按照代码是否运行来分类:
1.静态测试
2.动态测试
4.按照是否自动化来分类:
1.手工测试:依赖人手工去操作,眼睛查看结果
2.自动化测试:靠工具或者代码进行测试
5.其他
1.冒烟测试:先对主要,核心功能进行测试,再测其他,避免资源的浪费。
2.回归测试:对发现的bug或者之前的测过的功能重新回过头进行测试。
3.随机测试:假设是第一次接触软件的小白,随机进行测试,避免惯性思维。
4.探索测试:同时做测试设计和测试执行,探索复杂和容易被忽略的场景。

三.软件开发常见模型

1.瀑布模型
在这里插入图片描述
2.快速原型
在这里插入图片描述
3.对比
在这里插入图片描述

四.软件测试常见模型

1.V模型
在这里插入图片描述
2.W模型
在这里插入图片描述
3.区别
在这里插入图片描述

五.软件缺陷的定义和标准

定义:软件或程序中存在的各种问题和错误
标准:
在这里插入图片描述

六.缺陷报告的关键因素

在这里插入图片描述
模块 bug类型 测试环境
举例:
在这里插入图片描述
软件缺陷的基本内容:
1.缺陷的标题
2.预置条件
3.重现步骤
4.预期结果
5.实际结果
6.附件

缺陷的状态
新建 打开 修复 关闭

缺陷的严重程度
致命 严重 一般 建议

缺陷的类型
代码错误
设计缺陷
界面问题
兼容性问题
性能问题
安全相关

缺陷的跟踪流程
1.测试人员提交
2.开发人员确认
3.缺陷状态改为打开,表示开发人员正在处理
4.开发人员修复好
5.回归缺陷,重新测试
6.关闭缺陷

缺陷的生命周期:
在这里插入图片描述
缺陷严重程度:
1-致命缺陷:
阻碍开发和测试工作,致命性的缺陷。例如:系统无法登录、经常闪退或主流程应用模块无法启动、异常退出、用户数据受到破坏、系统崩溃,阻断性问题,造成系统不稳定;
2-严重缺陷:
系统的主要功能部分丧失、数据不能保存,系统的次要功能完全丧失,系统所提供的功能或服务受到明显的影响;
3-一般缺陷:
系统的次要功能没有完全实现,但不影响用户的正常使用,或由于兼容性问题,导致界面布局变形、图片无法显示等致使某个小功能无法使用;
4-建议:
不影响功能的、有关易用性的、文字、操作可以提出一些建议的问题

缺陷优先级:
BUG优先级分为四级:1、2、3、4,
分别对应:紧急、高、中、低
1-紧急:
影响测试,需立即修复;
2-高:
希望能尽快修复,除非常紧急之外的,优先处理;
3-中:
在版本发布之前修改完;
4-低:
对产品的影响比较小,在时间不允许的情况下可以暂时不修改。

怎么使用centOS中禅道:
先ipconfig查看linux的ip地址
然后windows用ping IP地址测试是否可以和linux网络连通
然后浏览器输入http:// centos 的ip地址 :81/www

测试环境的介绍:
在这里插入图片描述
非功能测试主要包括兼容性,性能,ui界面,易用性,安全性

测试一个物体的功能可以从功能,兼容性,性能,ui界面,易用性,安全性,可移植性方面诉说

交互:例如输入框输入错误框颜色的变化,弹出的提示,这就是交互,而UI具体关注文字以及图片等。

  • 10
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值