GB/T 45225-2025 人工智能 深度学习算法评估

ICS3510005

CCSL7.9.

中华人民共和国国家标准

GB/T45225—2025

人工智能深度学习算法评估

Artificialintelligence—Deeplearningalgorithmsevaluation

2025-01-24发布2025-01-24实施

国家市场监督管理总局发布

国家标准化管理委员会

GB/T45225—2025

目次

前言

…………………………Ⅲ

范围

1………………………1

规范性引用文件

2…………………………1

术语和定义

3………………1

评估指标体系

4……………2

评估等级

5…………………7

评估流程

6…………………8

附录资料性深度学习算法评估指标选取和阈值设定

A()……………17

附录资料性深度学习算法评估指标权重计算方法

B()………………21

附录资料性深度学习算法评估实施案例

C()…………24

参考文献

……………………26

Ⅰ

GB/T45225—2025

前言

本文件按照标准化工作导则第部分标准化文件的结构和起草规则的规定

GB/T1.1—2020《1:》

起草

。

请注意本文件的某些内容可能涉及专利本文件的发布机构不承担识别专利的责任

。。

本文件由全国信息技术标准化技术委员会提出并归口

(SAC/TC28)。

本文件的起草单位中国电子技术标准化研究院中国科学院软件研究所中科南京软件技术研究

:、、

院北京航空航天大学北京软件产品质量检测检验中心有限公司北京航天自动控制研究所中国南方

、、、、

电网有限责任公司超高压输电公司上海计算机软件技术开发中心中国科学技术大学北京眼神科技

、、、

有限公司上海商汤智能科技有限公司电装智能科技上海有限公司中电科大数据研究院有限公司

、、()、、

浪潮电子信息产业股份有限公司中国移动通信集团有限公司北京声智科技有限公司广电运通集团

、、、

股份有限公司上海文鳐信息科技有限公司杭州海康威视数字技术股份有限公司卡斯柯信号有限公

、、、

司阿里云计算有限公司天津滨海人工智能创新中心中国兵器工业信息中心上海燧原科技股份有

、、()、、

限公司上海市人工智能行业协会深圳云天励飞技术股份有限公司四川长虹电子控股集团有限公司

、、、、

中国船舶集团有限公司综合技术经济研究院北京计算机技术及应用研究所香港科技大学中国科学

、、、

院空间应用工程与技术中心浙江大学中国航空工业集团公司沈阳飞机设计研究所北京邮电大学

、、、、

南瑞集团有限公司重庆国科础智信息技术有限公司国科础石重庆软件有限公司重庆建设工业

、、()、

集团有限责任公司

()。

本文件主要起草人鲍薇叶珩孟令中薛云志马骋昊高卉刘祥龙孔昊王洋王宁陈文捷

:、、、、、、、、、、、

张兰杨春林吴庚朱健董乾杨光蔡惠民杜国光王珂琛聂锦燃陈孝良徐天适芮子文任文奇

、、、、、、、、、、、、、、

周庭梁吴涛史殿习谢晚冬梅敬青陈曦饶雪曹钰吴立金徐哲炜宋金珂刘艾杉郭晋阳

、、、、、、、、、、、、、

王金波纪守领温晓玲程祥陈徯胡艳玲罗勇军张洋

、、、、、、、。

Ⅲ

GB/T45225—2025

人工智能深度学习算法评估

1范围

本文件确立了人工智能深度学习算法的评估指标体系描述了评估方法等内容

,。

本文件适用于指导深度学习算法开发方用户方以及第三方等相关组织对深度学习算法及其训练

、

得到的深度学习模型开展评估工作

。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款其中注日期的引用文

。,

件仅该日期对应的版本适用于本文件不注日期的引用文件其最新版本包括所有的修改单适用于

,;,()

本文件

。

信息安全技术个人信息安全规范

GB/T35273—2020

信息安全技术生物特征识别信息保护基本要求

GB/T40660—2021

信息技术人工智能术语

GB/T41867—2022

3术语和定义

界定的以及下列术语和定义适用于本文件

GB/T41867—2022。

31

.

深度学习deeplearning

通过训练具有许多隐藏层的神经网络来创建丰富层次表示的方法

。

注深度学习是机器学习的一个子集

:。

来源

[:GB/T41867—2022,3.2.27]

32

.

深度学习算法deeplearningalgorithm

使用深度神经网络结构进行学习和推理以完成特定功能的代码片段

、。

33

.

深度学习模型deeplearningmodel

基于输入数据或信息产生推理或预测结果的数学架构

。

34

.

测试数据testdata

用于评估最终机器学习模型性能的数据

。

来源

[:GB/T41867—2022,3.2.3]

35

.

对抗样本adversarialexamples

在数据集中添加细微干扰形成的输入样本能以较高概率诱导深度学习算法给出错误的输出甚至

,,

是给出特定结果

。

1