Bài báo này trình bày một phương pháp mới để kiểm tra độ mạnh của mạng nơ-ron sâu (DNN). Các phương pháp kiểm tra độ mạnh hiện có tập trung vào các biến dạng hình ảnh riêng lẻ, không phản ánh đầy đủ các biến dạng phức tạp được tìm thấy trong môi trường thực tế. Trong bài báo này, chúng tôi đề xuất một phương pháp sử dụng suy luận nhân quả để đo lường tác động của nhiều yếu tố trong quy trình xử lý hình ảnh lên hiệu suất DNN. Một mô hình nhân quả thể hiện rõ ràng các yếu tố liên quan đến miền và tương tác của chúng, đồng thời ước tính đáng tin cậy các tác động nhân quả của từng yếu tố chỉ bằng cách sử dụng dữ liệu quan sát được. Phương pháp này liên kết trực tiếp các lỗ hổng DNN với các thuộc tính quan sát được của đường ống hình ảnh, góp phần giảm thiểu rủi ro xảy ra lỗi DNN không thể đoán trước trong môi trường thực tế. Chúng tôi xác thực tính hiệu quả của phương pháp được đề xuất thông qua các thử nghiệm trên các tác vụ thị giác khác nhau bằng cách sử dụng hình ảnh tự nhiên và hình ảnh được kết xuất.
