Visuelle Regressionstests mit Autoencodern

Das Aussehen und die Bedienbarkeit von Webanwendungen ist mit klassischen Testverfahren nur schwer testbar. Lediglich Visuelle Regressionstests überprüfen eine Anwendung gegen einen Goldmaster und können so Veränderungen gegenüber diesem aufspüren.

Dieser Ansatz ist allerdings wenig flexibel, und natürliche Variationen in der Darstellung können nur schwer als solche erkannte werden.

In diesem Vortrag zeige ich einen auf Autoencodern basierenden Ansatz, der einem Machine-Learning-Modell beibringt, wie eine "normale" Anwendung aussieht und anhand dessen Abweichungen dazu feststellt.

Lernziele

Wie können mit Hilfe von Unsupervised Learning Fehler in Bildern erkannt werden?