【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种车身划痕检测方法及相关设备。
技术介绍
1、目标检测作为人工智能代表性
，已经被各个工业、消费领域应用以提高生产效率和满足消费需求。在诸多应用领域中，目前用于检测车身划痕的成熟方案甚少，成熟的检测技术对检测车身划痕领域上仍然有巨大的潜力未被发掘并应用。车身划痕作为汽车常见的损坏情况，出现的频率高、细微划痕检测难度高从而导致检测时间长。快速检测车身划痕可作为人工检测和评估车损情况的辅助手段，甚至可以结合其他检测评估技术来完全替代人工，从而极大提升客户定损流程的效率。现有的检测方法对于微小划痕的漏检率仍然较高。因此急需一种车身划痕检测方法，解决现有检测方法存在对于微小划痕检测难度高，检测准确率低，从而降低了工作效率的问题。
技术实现思路
1、本申请实施例的目的在于提出一种车身划痕检测方法及相关设备，以解决现有检测方法存在对于微小划痕检测难度高，检测准确率低，从而降低了工作效率的问题，其主要目的是通过基于单阶段检测器对模型中重复的卷积模块进行去重处理，删除掉原有重复的卷积模块而保留模型的整体数据连接结构，并对去重后的卷积模块进行权重加权，以增加划痕在去重后的卷积模块中的特征关注度，增强对细微划痕的检测，有效提高模型对车身划痕的检测准确性，降低需要的检测时间，提高了工作效率。
2、为了解决上述技术问题，本申请实施例提供一种车身划痕检测方法，采用了如下所述的技术方案：
3、获取初始车身划痕检测模型，所述初始车身划痕检测模型是通过训
4、基于单阶段检测器对所述初始车身划痕检测模型进行卷积模块去重处理，得到无重叠卷积模块的初始车身划痕检测模型；
5、通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，得到训练好的车身划痕检测模型；
6、通过训练好的车身划痕检测模型对待检测车辆的车辆图像进行车身划痕检测，得到所述待检测车辆的车身划痕检测结果。
7、进一步的，所述获取初始车身划痕检测模型，包括：
8、获取预训练的车身划痕检测模型以及训练数据集，所述训练数据集包括样本车辆图像以及所述样本车辆图像对应的车身划痕标注数据；
9、将所述样本车辆图像输入所述预训练的车身划痕检测模型进行训练，并通过所述样本车辆图像对应的车身划痕标注数据对所述预训练的车身划痕检测模型进行参数调整，训练完成，得到初始车身划痕检测模型。
10、进一步的，所述基于单阶段检测器对所述初始车身划痕检测模型进行卷积模块去重处理，得到无重叠卷积模块的初始车身划痕检测模型，包括：
11、获取初始车身划痕检测模型中重叠的卷积模块；
12、基于单阶段检测器对所述重叠的卷积模块进行去重处理，得到无重叠卷积模块的初始车身划痕检测模型。
13、进一步的，所述基于单阶段检测器对所述重叠的卷积模块进行去重处理，得到无重叠卷积模块的初始车身划痕检测模型：
14、获取初始车身划痕检测模型中重叠的卷积模块的初始权重矩阵；
15、对所述初始权重矩阵进行权重加强处理，得到权重加强处理后的重复的卷积模块；
16、基于单阶段检测器对所述权重加强处理后的重复的卷积模块进行去重处理，处理完成，得到无重叠卷积模块的初始车身划痕检测模型。
17、进一步的，所述通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，得到训练好的车身划痕检测模型，包括：
18、通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，训练过程中，通过f-范数对卷积模块的权重参数进行调整，训练完成，得到训练好的车身划痕检测模型。
19、进一步的，所述f-范数如下所示：
20、
21、其中，a为初始权重矩阵，b为训练好的权重矩阵，f为矩阵的f-范数，m为矩阵的行数，n为矩阵的列数，a为a对应的元素,b为b对应的元素，aij为矩阵a中的第i行第j列的元素，bij为矩阵b中的第i行第j列的元素。
22、进一步的，所述通过训练好的车身划痕检测模型对待测车辆的车辆图像进行车身划痕检测，得到所述待检测车辆的车身划痕检测结果，包括：
23、通过训练好的车身划痕检测模型对待检测车辆的车辆图像进行特征提取处理，得到待检测车辆特征；
24、对所述待检测车辆特征进行车身划痕检测，得到所述待检测车辆的车身划痕检测结果。
25、为了解决上述技术问题，本申请还提供一种车身划痕检测装置，采用了如下所述的技术方案：
26、获取模块，用于获取初始车身划痕检测模型，所述初始车身划痕检测模型是通过训练数据集对预训练的车身划痕检测模型进行训练得到，所述训练数据集包括样本车辆图像以及所述样本车辆图像对应的车身划痕标注数据；
27、去重处理模块，用于基于单阶段检测器对所述初始车身划痕检测模型进行卷积模块去重处理，得到无重叠卷积模块的初始车身划痕检测模型；
28、训练模块，用于通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，得到训练好的车身划痕检测模型；
29、划痕检测模块，用于通过训练好的车身划痕检测模型对待检测车辆的车辆图像进行车身划痕检测，得到所述待检测车辆的车身划痕检测结果。
30、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
31、所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现本申请实施例中任一项所述的车身划痕检测方法的步骤。
32、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
33、所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现本专利技术实施例中任一项所述的车身划痕检测方法的步骤。
34、与现有技术相比，本申请实施例主要有以下有益效果：获取初始车身划痕检测模型，所述初始车身划痕检测模型是通过训练数据集对预训练的车身划痕检测模型进行训练得到，所述训练数据集包括样本车辆图像以及所述样本车辆图像对应的车身划痕标注数据；基于单阶段检测器对所述初始车身划痕检测模型进行卷积模块去重处理，得到无重叠卷积模块的初始车身划痕检测模型；通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，得到训练好的车身划痕检测模型；通过训练好的车身划痕检测模型对待检测车辆的车辆图像进行车身划痕检测，得到所述待检测车辆的车身划痕检测结果。本申请通过基于单阶段检测器对模型中重复的卷积模块进行去重处理，删除掉原有重复的卷积模块而保留模型的整体数据连接结构，并对去重后的卷积模块进行权重加权，以增加划痕在去重后的卷积模块中的特征关注度，增强对细微划痕的检测，解决了现有检测方法存在本文档来自技高网...
【技术保护点】
1.一种车身划痕检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的车身划痕检测方法，其特征在于，所述获取初始车身划痕检测模型，包括：
3.根据权利要求2所述的车身划痕检测方法，其特征在于，所述基于单阶段检测器对所述初始车身划痕检测模型进行卷积模块去重处理，得到无重叠卷积模块的初始车身划痕检测模型，包括：
4.根据权利要求3所述的车身划痕检测方法，其特征在于，所述基于单阶段检测器对所述重叠的卷积模块进行去重处理，得到无重叠卷积模块的初始车身划痕检测模型：
5.根据权利要求4所述的车身划痕检测方法，其特征在于，所述通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，得到训练好的车身划痕检测模型，包括：
6.根据权利要求5所述的车身划痕检测方法，其特征在于，所述F-范数如下所示：
7.根据权利要求6所述的车身划痕检测方法，其特征在于，所述通过训练好的车身划痕检测模型对待测车辆的车辆图像进行车身划痕检测，得到所述待检测车辆的车身划痕检测结果，包括：
8.一种车身划痕检测装置，
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的车身划痕检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的车身划痕检测方法的步骤。
...【技术特征摘要】
1.一种车身划痕检测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的车身划痕检测方法，其特征在于，所述获取初始车身划痕检测模型，包括：
3.根据权利要求2所述的车身划痕检测方法，其特征在于，所述基于单阶段检测器对所述初始车身划痕检测模型进行卷积模块去重处理，得到无重叠卷积模块的初始车身划痕检测模型，包括：
4.根据权利要求3所述的车身划痕检测方法，其特征在于，所述基于单阶段检测器对所述重叠的卷积模块进行去重处理，得到无重叠卷积模块的初始车身划痕检测模型：
5.根据权利要求4所述的车身划痕检测方法，其特征在于，所述通过所述训练数据集对所述无重叠卷积模块的初始车身划痕检测模型进行训练，得到训练好的车身划痕检测模型，包括：
6...
【专利技术属性】
技术研发人员：郑喜民，胡振东，舒畅，陈远旭，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。