The invention provides a vehicle appearance damage identification method based on depth learning, which includes acquiring the actual vehicle appearance damage image and labeling the damage type and location; building a depth convolution neural network; carrying out model training to obtain the trained model; and using the trained model to identify and evaluate the vehicle appearance damage. The invention provides a vehicle appearance damage identification method based on depth learning, which identifies the type and degree of vehicle appearance damage in complex environment based on depth convolution neural network model, ensures the accuracy of the algorithm, and improves the calculation speed of the algorithm.
【技术实现步骤摘要】
一种基于深度学习的车辆外观损伤识别方法
本专利技术属于人工智能领域,尤其是涉及一种基于深度学习的车辆外观损伤识别方法。
技术介绍
近年来,随着中国经济社会的持续快速发展,全国机动车保有量持续快速增长,车辆交通事故问题也一直频繁发生。通常,车辆发生交通事故后需要保险公司专业理赔人员采用人工判定方法进行车辆损伤的识别,导致保险公司案件处理效率低,车主等待时间长等诸多问题。经过对现有技术的检索发现,中国专利文献号CN105678622A,公开/公告日2016年06月15日,专利技术名称为“车险理赔照片的分析方法及系统”中公开了一种利用常规卷积神经网络对移动端上传的事故照片进行分析、识别出损伤部位并基于分析结果生成提醒信息的方法。此方法只是确定车辆的损伤部位,不能识别出具体的损伤类型。此外,该方法中车辆的定损结果还是需要依靠人工核定,人力成本依然较大。此外,中国专利文献号CN107358596A,公开/公告日2017年11月17日,公开了一种基于图像的车辆定损方法、装置、电子设备及系统。该专利中通过卷积层CNN和区域建议层RPN的网络模型构建经过样本训练实现了车辆外观部件损伤的识别。该方法采用了多尺度和多比例基准框,能够有效提升非常规尺度和比例的损伤检测。该模型算法整体分为两个阶段,首先应用RPN对特征图进行粗选区域筛选,再应用卷积神经网络对得到的粗选区域进行分类、回归。但方法过程复杂、计算量较大,导致算法检测速度较慢,难以达到实时的效果。
技术实现思路
有鉴于此,本专利技术旨在提出一种基于深度学习的车辆外观损伤识别方法,基于深度卷积神经网络模型在复杂环境下对车辆外观 ...
【技术保护点】
1.一种基于深度学习的车辆外观损伤识别方法,其特征在于:包括:步骤一:获取实际车辆外观损伤图像并进行损伤类型和位置标注;步骤二:搭建深度卷积神经网络;步骤三:开展模型训练,得到训练后的模型;步骤四:利用训练得到的模型进行车辆外观损伤识别和模型评估。
【技术特征摘要】
1.一种基于深度学习的车辆外观损伤识别方法,其特征在于:包括:步骤一:获取实际车辆外观损伤图像并进行损伤类型和位置标注;步骤二:搭建深度卷积神经网络;步骤三:开展模型训练,得到训练后的模型;步骤四:利用训练得到的模型进行车辆外观损伤识别和模型评估。2.根据权利要求1所述的一种基于深度学习的车辆外观损伤识别方法,其特征在于:步骤一中,自建数据集,将获取的多种拍摄角度、多个车型和多种环境下的车辆外观损伤图像存入数据集中。3.根据权利要求2所述的一种基于深度学习的车辆外观损伤识别方法,其特征在于:步骤一中,将标注完成的数据集分成训练集、验证集和测试集。4.根据权利要求3所述的一种基于深度学习的车辆外观损伤识别方法,其特征在于:步骤二中,首先搭建主干网络,实现基于卷积神经网络模型CNN的特征提取;搭建候选框生成网络,将提取的特征图作为输入,实现基于卷积神经网络模型CNN的候选框生成;搭建目标图片分类网络和边界框回归网络,输入候选框实现对候选框中目标的分类和目标的位置回归。5.根据权利要求4所述的一种基于深度学习的车辆外观损伤识别方法,其特征在于:步骤二中,使用残差网络ResNet作为主干网络,并且使用...
【专利技术属性】
技术研发人员:朱向雷,郭维明,刘森,朱倩倩,赵子豪,
申请(专利权)人:天津卡达克数据有限公司,
类型:发明
国别省市:天津,12
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。