一种用于神经网络模型测试的图像生成方法

本发明涉及模型测试领域，且公开了一种用于神经网络模型测试的图像生成方法，包括获取目标神经网络在标准测试图像集上的预测结果与置信度分布，结合敏感性分析算法识别模型在纹理、结构、光照上表现出的弱点，构建模型易错特征集；基于易错特征集，通过特征参数注入方法对原始图像进行语义保持的定向扰动；利用感知相似度度量与特征投影算法评估生成图像与原图之间的结构一致性；采用自适应策略优化生成规则，引入模型反馈回路机制，根据模型在新生成图像上的识别误差情况动态调整扰动参数范围；结合模型输出变化曲线和弱点维度标注结果，自动生成模型性能诊断分析报告。本发明具备提升模型测试的准确性的优点。