BriefGPT - AI 论文速递
·
GAN-Enhanced Simulation-Driven Testing of Deep Neural Networks in the Absence of Ground Truth
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于生成对抗网络（GAN）的方法，以解决深度神经网络（DNN）测试中缺乏真实数据的问题。通过启发式搜索生成计算机视觉DNN的输入，研究表明该方法能够提高输入的多样性和DNN的性能。
🎯
关键要点
-
本研究提出了一种基于生成对抗网络（GAN）的方法，以解决深度神经网络（DNN）测试中缺乏真实数据的问题。
-
通过启发式搜索生成计算机视觉DNN的输入，研究表明该方法能够提高输入的多样性。
-
利用转换一致性生成的输入在DNN测试和再训练中效果最佳，能够提升DNN性能。
➡️
