一种基于神经网络的车辆定损方法、服务器及介质技术

本发明专利技术适用于人工智能技术领域，提供了一种基于神经网络的车辆定损方法、服务器及计算机可读存储介质，包括：获取待定损的事故车辆的定损评估图像序列；通过预设神经网络模型的特征提取层对所述定损评估图像序列中的各个所述定损评估图像进行特征提取，得到各个所述定损评估图像的特征向量；在所述预设神经网络模型的概率计算层基于所有所述定损评估图像的特征向量，确定所述事故车辆的损伤级别概率向量；将所述损伤级别概率向量中值最大的元素对应的预设损伤级别确定为所述事故车辆的损伤级别，从而实现了车辆定损的智能化，节省了人工成本，提高了车辆定损的准确性。

A Vehicle Damage Determination Method, Server and Media Based on Neural Network

The invention is applicable to the field of artificial intelligence technology, and provides a vehicle damage determination method based on neural network, a server and a computer readable storage medium, including: acquiring the damage assessment image sequence of the accident vehicle to be determined; and extracting the features of each damage assessment image sequence by the feature extraction layer of the preset neural network model. The probability calculation layer of the preset neural network model determines the probability vector of the damage level of the accident vehicle based on the eigenvectors of all the damage assessment images, and the preset damage level corresponding to the element with the largest median value of the probability vector of the damage level is determined as the damage level of the accident vehicle. It realizes the intellectualization of vehicle damage determination, saves the labor cost and improves the accuracy of vehicle damage determination.

【技术实现步骤摘要】
一种基于神经网络的车辆定损方法、服务器及介质
本专利技术属于人工智能
，尤其涉及一种基于神经网络的车辆定损方法、服务器及计算机可读存储介质。
技术介绍
在车险理赔过程中，通常需要先对事故车辆进行定损，再基于定损结果确定事故车辆的赔偿金额。现有技术通常是由车辆定损人员依据自己的既往经验对事故车辆进行人工定损，而不同定损人员的定损标准及经验丰富程度不一，导致最终得到的定损结果的准确率较低，且人工进行车辆定损的进度较慢，人工成本较高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于神经网络的车辆定损方法、服务器及计算机可读存储介质，以解决现有的车辆定损方法存在的定损准确率较低且人工成本高的问题。本专利技术实施例的第一方面提供了一种基于神经网络的车辆定损方法，包括：获取待定损的事故车辆的定损评估图像序列；所述定损评估图像序列包括从所述事故车辆的各个预设方位对所述事故车辆进行拍摄得到的定损评估图像；通过预设神经网络模型的特征提取层对所述定损评估图像序列中的各个所述定损评估图像进行特征提取，得到各个所述定损评估图像的特征向量；在所述预设神经网络模型的概率计算层基于所有所述定损评估图像的本文档来自技高网...

【技术保护点】
1.一种基于神经网络的车辆定损方法，其特征在于，包括：获取待定损的事故车辆的定损评估图像序列；所述定损评估图像序列包括从所述事故车辆的各个预设方位对所述事故车辆进行拍摄得到的定损评估图像；通过预设神经网络模型的特征提取层对所述定损评估图像序列中的各个所述定损评估图像进行特征提取，得到各个所述定损评估图像的特征向量；在所述预设神经网络模型的概率计算层基于所有所述定损评估图像的特征向量，确定所述事故车辆的损伤级别概率向量；所述损伤级别概率向量中的每个元素的值用于标识所述事故车辆属于该元素对应的预设损伤级别的概率；将所述损伤级别概率向量中值最大的元素对应的预设损伤级别确定为所述事故车辆的损伤级别。

【技术特征摘要】
1.一种基于神经网络的车辆定损方法，其特征在于，包括：获取待定损的事故车辆的定损评估图像序列；所述定损评估图像序列包括从所述事故车辆的各个预设方位对所述事故车辆进行拍摄得到的定损评估图像；通过预设神经网络模型的特征提取层对所述定损评估图像序列中的各个所述定损评估图像进行特征提取，得到各个所述定损评估图像的特征向量；在所述预设神经网络模型的概率计算层基于所有所述定损评估图像的特征向量，确定所述事故车辆的损伤级别概率向量；所述损伤级别概率向量中的每个元素的值用于标识所述事故车辆属于该元素对应的预设损伤级别的概率；将所述损伤级别概率向量中值最大的元素对应的预设损伤级别确定为所述事故车辆的损伤级别。2.根据权利要求1所述的基于神经网络的车辆定损方法，其特征在于，所述通过预设神经网络模型的特征提取层对所述定损评估图像序列中的各个所述定损评估图像进行特征提取，得到各个所述定损评估图像的特征向量，包括：在所述特征提取层基于所述定损评估图像中各像素点的位置信息与像素值的对应关系，确定所述定损评估图像对应的图像矩阵，并通过预设卷积核对所述图像矩阵进行卷积处理，得到所述定损评估图像的特征向量。3.根据权利要求1所述的基于神经网络的车辆定损方法，其特征在于，所述在所述预设神经网络模型的概率计算层基于所有所述定损评估图像的特征向量，确定所述事故车辆的损伤级别概率向量，包括：在所述概率计算层基于预先学习到的各个预设定损评估图像的特征向量相对于各个所述预设损伤级别的权重系数，确定所述事故车辆的各个所述定损评估图像的特征向量相对于各个所述预设损伤级别的权重系数；分别基于所述事故车辆的各个所述定损评估图像的特征向量相对于每一所述预设损伤级别的权重系数，将所述事故车辆的各个所述定损评估图像的特征向量进行加权求和，得到所述事故车辆的损伤级别概率向量。4.根据权利要求1-3任一项所述的基于神经网络的车辆定损方法，其特征在于，所述获取待定损的事故车辆的定损评估图像序列之前，还包括：获取预设的样本数据集，并将所述样本数据集划分为训练集和测试集；所述样本数据集中的每条样本数据均由一事故车辆的定损评估图像序列及该事故车辆的损伤级别概率向量构成；基于所述训练集对预先构建的原始神经网络模型进行训练，确定所述原始神经网络模型的特征提取层所包含的预设卷积核的卷积核参数，以及确定所述原始神经网络模型的概率计算层所包含的各个预设定损评估图像的特征向量相对于各个所述预设损伤级别的权重系数；基于所述测试集对已完成训练的所述原始神经网络模型进行验证；若验证通过，则将已完成训练的所述原始神经网络模型确定为所述预设神经网络模型。5.根据权利要求4所述的基于神经网络的车辆定损方法，其特征在于，所述基于所述测试集对已完成训练的所述原始神经网络模型进行验证，包括：将所述测试集中每条样本数据包含的事故车辆的定损评估图像序列导入已完成训练的所述原始神经网络模型中，得到所述测试集中每条所述样本数据各自对应的损伤级别概率向量的预测值；基于所述测试集中每条样本数据包含的事故车辆的损伤级别概率向量及每条所述样本数据对应的损伤级别概率向量的预测值，通过以下公式计算已训练完成的所述原始神经网络模型的预测误差：其中，Error(valuepredictive,valueactual)为已训练完成的所述原始神经网络模型的预测误差，n为所述损伤级别概率向量中所包含的元素个数，为所述样...

【专利技术属性】
技术研发人员：马进，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44