[发明专利]车身污垢检测模型的训练方法、车身污垢检测方法及装置

权利要求书

1.一种车身污垢检测模型的训练方法，其特征在于，所述方法包括以下步骤：

获取初始检测图像数据集，并对所述初始检测图像数据集进行数据预处理得到目标车身污垢检测的训练图像，所述训练图像包括目标车身污垢；

基于所述训练图像对预设的神经网络模型进行训练，提取到所述训练图像的高级特征图，得到对应的车身污垢检测模型；

所述对所述初始检测图像数据集进行数据预处理得到目标车身污垢检测的训练图像的步骤包括：

确定所述初始检测图像数据集中每张图像的每个所述目标车身污垢的切图框，所述初始检测图像数据集中每张图像均包括对应的原标签；

确定所述初始检测图像数据集中每张图像的当前切图框与下一切图框之间的重叠比率；

根据所述初始检测图像数据集中每张图像的所述重叠比率计算适应于所述初始检测图像数据集中每张图像的剪切步数；

根据所述初始检测图像数据集中每张图像的所述剪切步数对所述初始检测图像数据集中对应的图像进行切图处理，得到所述目标车身污垢检测的训练图像，所述训练图像包括对应的训练图像标签，所述训练图像标签是在进行切图处理时对所述原标签进行处理得到的；

所述初始检测图像数据集中的每张图像均为待切图像，所述根据所述初始检测图像数据集中每张图像的所述剪切步数对所述初始检测图像数据集中对应的图像进行切图处理，得到所述目标车身污垢检测的训练图像的步骤包括：

根据所述初始检测图像数据集中每张图像的所述剪切步数对所述初始检测图像数据集中对应的图像进行滑动裁剪，并判断最后一个所述剪切步数进行滑动裁剪时是否超出待切图像边界；

若没有超出所述待切图像边界，则循环遍历所述待切图像进行滑动裁剪，以得到所述目标车身污垢检测的训练图像；

若超出所述待切图像边界，则重新确定所述当前切图框与所述下一切图框之间的重叠比率，得到新的重叠比率，并根据所述新的重叠比例返回执行所述根据所述初始检测图像数据集中每张图像的所述重叠比率计算适应于所述初始检测图像数据集中每张图像的剪切步数的步骤。

2.如权利要求1所述的车身污垢检测模型的训练方法，其特征在于，所述获取初始检测图像数据集，并对所述初始检测图像数据集进行数据预处理得到目标车身污垢检测的训练图像的步骤还包括：

对所述初始检测图像数据集中的图像进行旋转、缩放、色域变化，并按照预设方位将图像进行组合，以得到目标组合图像；

根据计算得到的缩放比例、缩放尺寸以及黑边填充数值对缩小的目标组合图像进行黑边填充，进而得到所述目标车身污垢检测的训练图像。

3.如权利要求2所述的车身污垢检测模型的训练方法，其特征在于，所述基于所述训练图像对预设的神经网络模型进行训练，提取到训练图像的高级特征图，得到对应的车身污垢检测模型的步骤包括：

将所述目标车身污垢检测的训练图像进行切片处理得到切片特征图；

对所述切片特征图进行整合拼接得到拼接特征图；

对所述拼接特征图进行卷积处理得到卷积特征图；

对所述卷积特征图进行批归一化处理得到归一化特征图；

对所述归一化特征图进行激活函数处理得到目标特征图；

根据所述切片特征图、所述拼接特征图、所述卷积特征图、所述归一化特征图以及所述目标特征图对所述预设的神经网络模型进行迭代训练，提取到所述训练图像的高级特征图，得到对应的所述车身污垢检测模型。

4.如权利要求1所述的车身污垢检测模型的训练方法，其特征在于，所述车身污垢检测模型的训练方法还包括步骤：

将所述高级特征图进行向量转换，得到与所述目标车身污垢检测的训练图像对应的目标图像向量；

基于预设的损失函数对所述目标图像向量进行损失计算，在神经网络里不断迭代训练，以缩小预测值与真实值的差距。