************************************************** **************************
本論文では、顔画像認識AI比較テスト
1.テスト要件分析
2.テストの準備環境
3.テストデータ準備
4.テスト分析と実行
問題の5.テストサマリー
************************************************** **************************
まず、ニーズ分析
1）機能要件
AI自動帰属写真（オフラインモデル）：成長時間で校長、教師、保護者、親戚や友人を識別し、カレッジリング、アップロードした写真内の親子活動、及び人間の顔の参照ライブラリとの整合は、の画像を取得する場所固有の識別とこれは、幼児のアーカイブの子供の一意の識別（集合写真が複数の児童を含んでいてもよい）最終的に生成成長が含まれています
2）試験要件は、ポイント。
フェイスリファレンスライブラリ機能テスト
顔照合機能/モデル評価テスト
自動帰属統合テスト（テストネットワーク今スケジュールされたタスク）
フローチャートの絵よりも三）
第二に、テスト環境の準備（インストールの依存関係、TensorFlowライブラリの問題を解決）
1）依存性（依存性17）をインストールします
2）周囲AnacondaインストールTensorFlowライブラリに依存して、リンクの下を参照してください。
https://www.cnblogs.com/xjx767361314/p/11103817.html
第三に、（アルゴリズム工学の結果と考察）テストデータを準備します
1）データ収集
子供：3--6歳の赤ちゃん
写真のフォーマット：PNG、JPG
画像の要件：リファレンスライブラリ（約5）（フロントアッパーボディに応じて最善の）毎日絵
画像キー情報：フロント、サイド、シングル写真、集合写真
2）育児映像データの記録ラベル
ラベルされたデータ3）子どもたち
第四に、テストの実行と結果の統計
1）分析試験手順：第1の生成基準ライブラリ特徴ベクトルの子供と入力画像の異なるタイプが認識されるべきは、比較結果に応じて検証画像データを付し、効果出力モデルよりも統計的評価の結果
2）スクリプト、子供の絵の比率を実行します
3）認識結果の分析（実行結果より手動の方法は、効率）が非常に低いです
4）統計的比較の結果
第五に、テストサマリー問題
1）明示的効果、写真やぼかし効果に従ってのみ集団モデルをモデル化されない要件フェーズをテストすることであり、理想的な状況が最適化されないテストは厳密ではありません。
2）テスト環境の準備主な問題は、AI画像識別方向の依存関係、tensorflow設置誤差の最初のインストールで、四日間の試験時間前、4日かかり、最終的に下層のglibcライブラリと互換性が見つかったほぼ17のインストレーションパッケージに続いて、相互依存関係は、国内のミラーリングを使用すると、インストールをスピードアップします。
ミニチュア効果3）既存のネットワークは、モデルが実際には、データの実際の場面を訓練されていない、不十分なテストデータだけでなく、既存のネットワークデータとテストセットがあまりにも理想的かもしれのコレクション、実際の画質の育児で異なる場合があります主な理由は、非常に良いではありませんそれは近い実際の場面に収集するデータに試してみてくださいテストした後、高いものではありません。
4）テスト大量のデータを、時間のコストを高めるためにバインドされている場合は、手動でタグデータ、まだ良いの方法を探して具体的なテストデータマーカーデータラベル、テスターはありません。
5）試験結果は、効率よりも低く、それは、可能な限り、プロジェクトに応じてチェックを自動化するために、今自動出力の統計データとテスト結果データをタグ付けに基づいて、1枚の比較および分析によって一つです。