論文の概要: Object-based Metamorphic Testing through Image Structuring
- arxiv url: http://arxiv.org/abs/2002.07046v1
- Date: Wed, 12 Feb 2020 10:32:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-01 20:41:35.709508
- Title: Object-based Metamorphic Testing through Image Structuring
- Title（参考訳）: 画像構造化によるオブジェクトベースメタモルフィックテスト
- Authors: Adrian Wildandyawan, Yasuharu Nishi
- Abstract要約: ソフトウェアのテストは、多くの場合、大量生産のテストケースを必要とし、それのためのテストオラクルを提供するためコストがかかる。
オラクル問題を緩和するために提案された1つの方法は変成テストである。
- 参考スコア（独自算出の注目度）: 0.6445605125467573
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Testing software is often costly due to the need of mass-producing test cases
and providing a test oracle for it. This is often referred to as the oracle
problem. One method that has been proposed in order to alleviate the oracle
problem is metamorphic testing. Metamorphic testing produces new test cases by
altering an existing test case, and uses the metamorphic relation between the
inputs and the outputs of the System Under Test (SUT) to predict the expected
outputs of the produced test cases. Metamorphic testing has often been used for
image processing software, where changes are applied to the image's attributes
to create new test cases with annotations that are the same as the original
image. We refer to this existing method as the image-based metamorphic testing.
In this research, we propose an object-based metamorphic testing and a
composite metamorphic testing which combines different metamorphic testing
approaches to relatively increase test coverage.
- Abstract（参考訳）: ソフトウェアのテストは、多くの場合、大量生産のテストケースを必要とし、それのためのテストオラクルを提供するためコストがかかる。
これはしばしばオラクルの問題と呼ばれる。
オラクル問題を緩和するために提案された1つの方法は変成テストである。
メタモルフィックテストは、既存のテストケースを変更して新しいテストケースを生成し、システムアンダーテスト(SUT)の出力と入力の間のメタモルフィック関係を利用して、生成されたテストケースの出力を予測する。
メタモルフィックテストは、画像の属性に変更を適用して、元の画像と同じアノテーションで新しいテストケースを作成する、画像処理ソフトウェアでよく使われている。
既存の手法をイメージベースのメタモルフィックテストと呼ぶ。
本研究では,オブジェクトベースのメタモルフィックテストと,異なるメタモルフィックテストアプローチを組み合わせた複合メタモルフィックテストを提案する。
関連論文リスト
- Context-Aware Testing: A New Paradigm for Model Testing with Large Language Models [49.06068319380296]
我々は,コンテキストを帰納バイアスとして用いて意味のあるモデル障害を探索するコンテキスト認識テスト(CAT)を導入する。
最初のCATシステムSMART Testingをインスタンス化し、大きな言語モデルを用いて、関連性があり、起こりうる失敗を仮説化します。
論文 参考訳（メタデータ） (2024-10-31T15:06:16Z) - Few-Shot Anomaly Detection via Category-Agnostic Registration Learning [65.64252994254268]
既存のほとんどの異常検出方法は、各カテゴリに専用のモデルを必要とする。
この記事では、新しい数ショットAD(FSAD)フレームワークを提案する。
これは新しいカテゴリーのモデル微調整を必要としない最初のFSAD法である。
論文 参考訳（メタデータ） (2024-06-13T05:01:13Z) - Security Testing of RESTful APIs With Test Case Mutation [0.0]
本稿では、開発者が個別に各サービスを試すためのテストケースを生成するための自動アプローチを提案する。
テストケース変異アルゴリズムを提案し、4つのWebサービス構成での有効性と性能を評価した。
論文 参考訳（メタデータ） (2024-03-06T13:31:58Z) - GPT-HateCheck: Can LLMs Write Better Functional Tests for Hate Speech Detection? [50.53312866647302]
HateCheckは、合成データに対してきめ細かいモデル機能をテストするスイートである。
GPT-HateCheckは,スクラッチからより多彩で現実的な機能テストを生成するフレームワークである。
クラウドソースのアノテーションは、生成されたテストケースが高品質であることを示しています。
論文 参考訳（メタデータ） (2024-02-23T10:02:01Z) - Observation-based unit test generation at Meta [52.4716552057909]
TestGenは、アプリケーション実行中に観察された複雑なオブジェクトのシリアライズされた観察から作られたユニットテストを自動的に生成する。
TestGenは518のテストを本番環境に投入し、継続的統合で9,617,349回実行され、5,702の障害が見つかった。
評価の結果,信頼性の高い4,361のエンドツーエンドテストから,少なくとも86%のクラスでテストを生成することができた。
論文 参考訳（メタデータ） (2024-02-09T00:34:39Z) - Metamorphic Testing of Image Captioning Systems via Image-Level Reduction [1.3225694028747141]
本稿では,画像レベルの縮小変換を施した変成テストを行うためのREICを提案する。
画像レベルの縮小変換では、REICは任意のオブジェクトを人工的に操作しないため、非現実的なフォローアップ画像の生成を回避できる。
論文 参考訳（メタデータ） (2023-11-20T14:17:52Z) - Deep anytime-valid hypothesis testing [29.273915933729057]
非パラメトリックなテスト問題に対する強力なシーケンシャルな仮説テストを構築するための一般的なフレームワークを提案する。
テスト・バイ・ベッティング・フレームワーク内で、機械学習モデルの表現能力を活用するための原則的なアプローチを開発する。
合成および実世界のデータセットに関する実証的な結果は、我々の一般的なフレームワークを用いてインスタンス化されたテストが、特殊なベースラインと競合することを示している。
論文 参考訳（メタデータ） (2023-10-30T09:46:19Z) - Towards Automatic Generation of Amplified Regression Test Oracles [44.45138073080198]
回帰テストオラクルを増幅するためのテストオラクル導出手法を提案する。
このアプローチはテスト実行中にオブジェクトの状態を監視し、以前のバージョンと比較して、SUTの意図した振る舞いに関連する変更を検出する。
論文 参考訳（メタデータ） (2023-07-28T12:38:44Z) - Zero-shot Model Diagnosis [80.36063332820568]
ディープラーニングモデルを評価するための一般的なアプローチは、興味のある属性を持つラベル付きテストセットを構築し、そのパフォーマンスを評価することである。
本稿では,ゼロショットモデル診断(ZOOM)がテストセットやラベル付けを必要とせずに可能であることを論じる。
論文 参考訳（メタデータ） (2023-03-27T17:59:33Z) - Using Metamorphic Relations to Verify and Enhance Artcode Classification [39.36253474867746]
オラクル問題に直面している領域の例として、機械学習を用いて、入力イメージを事前定義されたクラスのセットの1つに分類する自動画像分類がある。
オラクルの問題を軽減するソフトウェアテストへのアプローチは、メタモルフィックテスト(MT)である。
本稿では、Artcodesと呼ばれる視覚的に隠されたマーカーを含む画像の分類問題について検討し、訓練された分類器の検証と拡張にMTを適用した。
論文 参考訳（メタデータ） (2021-08-05T15:54:56Z) - Automated identification of metamorphic test scenarios for an
ocean-modeling application [0.802904964931021]
機械学習を用いたメタモルフィックテストシナリオの自動生成に向けた研究が進行中である。
我々の応用分野は海洋モデリングであり、テストオラクルは存在しないことが多いが、シミュレーションされた物理システムの対称性が知られている。
論文 参考訳（メタデータ） (2020-09-03T10:03:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。