v amp v 软件测试,V&ampamp;V及软件测试讲稿(廖彬山).pdf

fcf772da1d94d94661ca1e590d0b2884.gifV&ampamp;V及软件测试讲稿(廖彬山).pdf

1 V” Validation confirms that the product, as provided, will fulfill its intended use. Verification confirms that work products properly reflect the requirements specified for them. Validation Verification2 V ; Inspect 100% Critical Implementation Peer Review 100% Designs / ; Reliability/ Statistical Testing Verify Changes Requirements Specification o Requirements Specification o Specification Requirements Verification o Validation o Verification Validation 34567 o - o - o - o - o - 8 - - - 1983 , IEEE : , Grenford J.Myers (1979) o 1 ; o 2 ; o 3 Rick D. Craig(2002): 9 o 1 “ “ o 2 o 3 Why? 1. ( 60% 2. IBM 6.5 15 67 4 5 IBM OS/370 47% 4% 6 7 10 o 80-20 “ 80% 20% ” Barry W. Boehm Walker Royce o o Walker Royce Walker Royce Barry Boehm Barry Boehm “ “ ” ” n n 80% 80% 20% 20% n n 80% 80% 20% 20% n n 80% 80% 20% 20% n n 80% 80% 20% 20% n n 80% 80% 20% 20% n n 80% 80% 20% 20% n n 80% 80% 20% 20% 11 o ” “ n o BUG n o BUG n o BUG o BUG BUG BUG n o BUG o o n o n WALKTHROUGH / INSPECTION / REVIEW o n n n o n n n ROI12 -1 o 1 n o - o - o - n o - + o - o - -2 o 2 n o 3 n 13 -3 o 4 n “ “ o 5 n n n -4 o 6 o 7 o 8 14 -5 o 9 n n n o 10 n Checklist (QA ) Checklist 15 -Unit Testing o n o n o n o n n o n 16 Integration Testing o n n o n o n o n n System Testing o n n n n o n o n o n 17 Acceptance Testing o n n o n o n o n n n n Regression Testing o n o n o n / o n n 18 o n o n o n o n n n n o1 n o2 n o3 n o4 n o5 n o6 19 o n o n QA o n o n n n n ? n n 12 6 3 20 1: n n Checklist o n o / o o n o 2: o o Checklist n o n n n n n o n 21 3: o o Checklist n n n ( ) n ( ) n 4: ( ) o o Checklist n n n o o n o = = = != n o n 22 5: o o Checklist n o o n o o o n o o n o n o n WalkThrough n Inspection n Review Michael Fagan IBM(1976)23 Walkthrough o n o n o n o o o n o n o o / / Inspection o n Checklist o n n o o o n Checklist o n o o / / 24 Review o n (QA ) Checklist o n n o o o n Checklist o n o o / / n 38% IBM 80% 25 n n (Whitebox) 26 o n / n o n o n (Cyclematic Complexity,McCabe) n (Science Complexity,Halstead) : n n n n - n v v 27 (Program Instrumentation) 1 2 3 1 n n 2 n n 28 o o 29 n n n n n ( ) n n . n drive : n stub 30 l l l l / n o ( ) o n n 31 o n n o n 1 o n 2

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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