[发明专利]一种基于YOLACT++车身表面损伤检测及掩膜生成方法和存储设备

说明书

本发明涉及图像处理技术领域，特别涉及一种基于YOLACT++的车身表面损伤检测及掩膜生成方法和存储设备。所述一种基于YOLACT++的车身表面损伤检测及掩膜生成方法，包括步骤：通过视频数据采集并生成预设大小值的车体表面损伤区域图像；输入所述预设大小值的车体表面损伤区域图像至主干网络中进行特征提取；输入提取的特征张量至PredictionHeader和ProtoNet两个并行处理分支中处理；通过目标原型掩膜张量及掩膜系数计算出最优原型掩膜；根据所述最优原型掩膜及所述目标原型掩膜的目标定位，分割出损伤区域；在所述分割出的损伤区域上生成对应的掩膜。通过引入掩膜系数，参与至最优原型掩膜生成，大大提高损伤区域定位的准确度。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于YOLACT++车身表面损伤检测及掩膜生成方法和存储设备。

背景技术

随着生活水平的提高，几乎家家户户都有自己的车，而车在使用的过程中，难免会发生一些刮碰导致车体表面损失，传统的车辆修复靠人工识别，完整修复的难度较大、修复时间较长。

近年来，开始采用车体表面损伤检测来对车辆损害进行评估。然而尽管各种识别技术不断向前演进，但最关键的识别效果尚未达到理想程度，更难以实现大范围普及。如采用ResNET101进行检测，由于主干网络的参数量过大对检测性能的应许更大，及原有的模型中目标查准率相对较低，检测效果较差，在进行车身表面损伤检测时，掩膜生成分支进行实例分割时存在分割不精准或者将微小干扰物也生成掩膜出来的问题。

发明内容

为此，需要提供一种基于YOLACT++车身表面损伤检测及掩膜生成方法，用以解决现有车辆表面损伤检测及掩膜生成准确率低的问题，具体技术方案如下：

一种基于YOLACT++车身表面损伤检测及掩膜生成方法，包括步骤：

通过视频数据采集并生成预设大小值的车体表面损伤区域图像；

输入所述预设大小值的车体表面损伤区域图像至主干网络中进行特征提取；

输入提取的特征张量至PredictionHeader和ProtoNet两个并行处理分支中处理；

通过ProtoNet对特征张量进行卷积操作生成目标原型掩膜；

通过PredictionHeader对所述目标原型掩膜进行操作生成对应掩膜系数，及圈定所述目标原型掩膜的目标定位；

通过目标原型掩膜张量及掩膜系数计算出最优原型掩膜；

根据所述最优原型掩膜及所述目标原型掩膜的目标定位，分割出损伤区域；

在所述分割出的损伤区域上生成对应的掩膜。

进一步的，所述主干网络包括：EfficientNet-B0和FPN。

进一步的，所述“通过ProtoNet对特征张量进行卷积操作生成目标原型掩膜”，还包括步骤：通过全连接网络生成预设大小值的原型掩膜，并与通过MaskIOU-Net生成的掩膜特征向量结合生成目标原型掩膜。

进一步的，所述“通过PredictionHeader对所述目标原型掩膜进行操作生成对应掩膜系数，及圈定所述目标原型掩膜的目标定位”，还包括步骤：通过PredictionHeader生成每个anchor的掩膜系数的向量、分类向量和anchor-box向量，并通过Fast-NMS对anchor-box向量进行筛选处理。

进一步的，所述“通过目标原型掩膜张量及掩膜系数计算出最优原型掩膜”，还包括步骤：采用预测的掩膜与真实的掩膜两者像素集二值交叉熵生成所述最优原型掩膜的损失函数值；

所述最优原型掩膜的损失函数值由：分类损失函数值、预测框损失函数值和掩膜生成损失函数值相加所得。