车辆损失检测方法、装置、电子设备及存储介质与流程

技术特征：
1.一种车辆损失检测方法，其特征在于，包括：获取目标图像；将所述目标图像输入至网络模型，所述网络模型的主干网络包括swin transformer网络，所述主干网络用于基于swin transformer网络，预测目标图像的损伤位置坐标及损伤类别；根据所述损伤位置坐标及损伤类别确定损伤检测结果。2.根据权利要求1所述的方法，其特征在于，所述将所述目标图像输入至网络模型，包括：通过卷积层对图像进行卷积，得到卷积数据；将所述卷积数据作为swin transformer网络的输入。3.根据权利要求1所述的方法，其特征在于，所述swin transformer网络包括多个swin transformer块，所述swin transformer块中包括多个msa层；所述msa层的输入设有第一卷积层；所述msa层的输出设有第二卷积层。4.根据权利要求1所述的方法，其特征在于，所述主干网络与颈部网络连接，所述颈部网络包括：特征图金字塔网络和平衡特征金字塔网络。5.根据权利要求1所述的方法，其特征在于，在获取目标图像之前，还包括：根据标注准则对车损历史图片进行标注，配置所述车损历史图片的损伤类别；根据标注的车损历史图片对所述swin transformer网络进行训练。6.根据权利要求5所述的方法，其特征在于，所述根据标注的车损历史图片对所述swin transformer网络进行训练，包括：训练过程中，根据距离惩罚损伤函数进行swin transformer网络的回归计算。7.根据权利要求5所述的方法，其特征在于，所述根据标注的车损历史图片对所述swin transformer网络进行训练，包括：训练过程中，根据所述车损历史图片进行数据增强；使用数据增强后的车损历史图片对swin transformer网络进行训练。8.一种车辆损失检测装置，其特征在于，包括：图像获取模块，用于获取目标图像；检测模块，用于将所述目标图像输入至网络模型，所述网络模型的主干网络包括swin transformer网络，所述主干网络用于基于swin transformer网络，预测目标图像的损伤位置坐标及损伤类别；检测结果确定模块，用于根据所述损伤位置坐标及损伤类别确定损伤检测结果。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1
‑
7中任一所述的车辆损失检测方法。10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1
‑
7中任一所述的车辆损失检测方法。

技术总结
本发明公开了一种车辆损失检测方法、装置、电子设备及存储介质。该方法包括：获取目标图像；将目标图像输入至网络模型，网络模型的主干网络包括Swin Transformer网络主干网络用于基于Swin Transformer网络，预测目标图像的损伤位置坐标及损伤类别；根据损伤位置坐标及损伤类别确定损伤检测结果。本发明实施例使用Swin Transformer网络作为主干网络，相对于CNN检测方式更加精确，能够更有效的定位和识别损伤部位。采用Swin Transformer作为主干网络提取特征能够探索图像各像素间的空间信息联系以及对特征的加权选择，从而实现更好的特征提取和利用。同时Swin Transformer具备CNN的局部性、平移不变性以及残差学习等特点，因此能够在性能超越CNN方法的同时又解决了其他视觉Transformer方案中计算量繁杂、内存消耗大的问题。大的问题。大的问题。


技术研发人员：康甲 刘莉红 刘玉宇
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2021.08.16
技术公布日：2021/11/16