The application relates to the field of page intelligent decision-making, and provides methods, devices, devices and storage media for vehicle loss determination. The methods include: obtaining the set of vehicle accident images to be processed and the claim amount of multiple vehicle accident cases; inputting the set of vehicle accident images and the claim amount of multiple vehicle accident cases into the semantic segmentation network pspnet convolution neural network In the model, the training pspnet under multi groups of training super parameters is used; the pspnet under one group of super parameters with the smallest error is used as the target pspnet; the instruction message is sent to the client after receiving the loss assessment request sent by the user on the terminal; after receiving the vehicle loss photos sent by the client, the vehicle loss photos sent by the client are input to the target pspnet to build the loss assessment strategy, And sending the loss assessment policy to the client. AI image recognition and loss determination technology is applied to the scene of automobile accident claim settlement, providing a convenient client, so that users can quickly and conveniently complete the whole process of claim settlement.
【技术实现步骤摘要】
车辆定损方法、装置、设备和存储介质
本申请涉及图像检测领域,尤其涉及专利技术名称一种车辆定损的方法、装置、设备和存储介质。
技术介绍
目前国内小汽车的总量在不断增多,中小型的交通意外越来越频发,而客户发生小型的交通意外,需要浪费大量的时间等待理赔人员确认以及要走繁杂的流程才能将理赔流程走完。这个过程中还需要理赔人员进行相关的鉴定,确认出赔偿的方案,导致处理的效率低下。
技术实现思路
本专利技术实例中提出一种新的理赔服务模式,将AI图片识别定损技术运用在车险事故理赔场景,提供便捷的客户端,让用户可以快速方便的完成理赔的全部流程。第一方面,本申请提供一种车辆定损方法,包括:获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额。每个所述车辆事故案件对应至少一张所述车辆事故图像。将所述车辆事故图像集合以及所述多个车辆事故案件的理赔金额输入语义分割网络PSPnet,以在多组超参数下训练所述PSPnet;训练所述PSPnet中的池化层以及卷积层通过计算。其中,代表根据所述PSPnet卷积层的多层感知器中第n-1层的输出,训练所述PSPnet卷积层的多层感知器中第n层中第k个神经元得到的权值,表示相应的偏置,表示第i个车辆事故案件的第j张车辆事故图像输入至所述PSPnet后在所述PSPnet的第n层的输出,i、j以及k为任意正整数,n为自然数;当n为0时,是指所述车辆事故图像。当n为所述PSPnet的最后一层时,是指所述车辆事故案件的理赔金额。通过损失函数以及正则化系数计算 ...
【技术保护点】
1.一种车辆定损方法,其特征在于,所述方法包括:/n获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额;每个所述车辆事故案件对应至少一张所述车辆事故图像;/n将所述车辆事故图像集合以及所述多个车辆事故案件的理赔金额输入语义分割网络PSPnet,以在多组超参数下训练所述PSPnet;训练所述PSPnet中的池化层以及卷积层通过
【技术特征摘要】
1.一种车辆定损方法,其特征在于,所述方法包括:
获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额;每个所述车辆事故案件对应至少一张所述车辆事故图像;
将所述车辆事故图像集合以及所述多个车辆事故案件的理赔金额输入语义分割网络PSPnet,以在多组超参数下训练所述PSPnet;训练所述PSPnet中的池化层以及卷积层通过计算;其中,代表根据所述PSPnet卷积层的多层感知器中第n-1层的输出,训练所述PSPnet卷积层的多层感知器中第n层中第k个神经元得到的权值,表示相应的偏置,表示第i个车辆事故案件的第j张车辆事故图像输入至所述PSPnet后在所述PSPnet的第n层的输出,i、j以及k为任意正整数,n为自然数;当n为0时,是指所述车辆事故图像;当n为所述PSPnet的最后一层时,是指所述车辆事故案件的理赔金额;
通过损失函数以及正则化系数计算不同超参数下所述PSPnet的误差,将误差最小的一组超参数下的所述PSPnet作为目标PSPnet;所述损失函数的函数值是指PSPnet测试集中的车辆事故图像输入至卷积神经网络后的实际赔付金额与测试集中的车辆事故图像输入至卷积神经网络后的期望赔付金额之间差值的平方和;所述正则化系数C通过以下公式计算得到:
C0是所述损失函数的初始取值,n'是指所述车辆事故图像集合中的图像数量;λ是指正则项与C0项的比重,所述正则项是指的平方和;
接收到用户在终端上发送的定损请求,向客户端发送指示消息;
接收所述客户端发送的车损照片后,则将所述客户端发送的车损照片输入至所述目标PSPnet,生成定损策略,并将所述定损策略发送给所述客户端。
2.根据权利要求1所述的方法,其特征在于,所述获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额之后,所述方法还包括:
对收集的车辆事故集合进行数据清洗;所述数据清洗至少包括数据标准化、特征提取和消除重复值中的至少一项;所述消除重复值是指通过计算车辆事故图像集合的车辆事故图像之间的相似度,将相似度高于阈值的车辆事故图像进行剔除。
3.根据权利要求2所述的方法,其特征在于,所述数据标准化,所述方法还包括:
所述数据标准化通过以下数学公式实现:
所述是指第j个卷积面上在位置(x,y)的值,响应标准化的值,是通过若干相邻卷积面在位置(x,y)的值计算,N是卷积面的总数,j是自然数,i是相邻面的个数,k、α、β是可调参数。
4.根据权利要求1所述的方法,其特征在于,所述将所述车辆事故图像集合以及所述多个车辆事故案件的理赔金额输入语义分割网络PSPnet之前,所述方法还包括:
神经元的权值和偏置的通过以下方法进行:若神经元yj与n个车辆事故图像输入x1,x2,…,xn对应连接的权值为w1j,w2j,…,wnj,则对权值进行初始化,所述初始化的方法是指权值wnj满足以下正太分布:
其中b为常数。
5.根据权利要求1所述的方法,其特征在于,所述获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额之后,所述方法还包括:
还可以对获得车辆事故图像集合进行数据扩充,所述数据扩充是指对车辆事故图像集合旋转、翻转变换、平移变换、尺度变换颜色变化、以及缩放变换操作;通过以下数学公式实现数据扩充:
其中x,y是指车辆事故图像的像素坐标,θ是指旋转的角度,a是指沿车辆事故图像像素x轴平移的单位距离,b是指车辆事故图像像素沿y轴平移的单位距离。通过此公式可以对车辆事故图像进行翻转,旋转和平移,以增加车辆事故图像集合里车辆事故图像数据。
6.根据权利要求1所述的方法,其特征在于,所述向客户端发送指示消息,所述客户端在收到所述指示消息之后,所述方法还包括:
所述客户端提示用户拍摄车损照片,所述拍摄...
【专利技术属性】
技术研发人员:林立辉,刘金萍,尹钏,王鸿,林峰,
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
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。