训练损伤识别模型的方法及装置制造方法及图纸

本说明书实施例提供一种训练损伤识别模型的方法，其中损伤识别模型用于从车辆定损图片中识别车辆损伤的损伤类别。上述方法包括，首先获取多张标注图片，其中各张标注图片包括损伤边框，以及该损伤边框对应的损伤类别标签，其中损伤边框是包围连续损伤区域的最小矩形框，损伤类别标签指示出损伤材质和损伤方式的信息。然后，基于所述多张标注图片，训练多分类模型作为所述损伤识别模型。

Method and device of training damage identification model

【技术实现步骤摘要】
训练损伤识别模型的方法及装置
本说明书一个或多个实施例涉及机器学习领域，尤其涉及利用机器学习训练用于车辆智能定损的损伤识别模型的方法和装置。
技术介绍
在传统车险理赔场景中,保险公司需要派出专业的查勘定损人员到事故现场进行现场查勘定损，给出车辆的维修方案和赔偿金额，并拍摄现场照片，定损照片留档以供后台核查人员核损核价。由于需要人工查勘定损，保险公司需要投入大量的人力成本，和专业知识的培训成本。从普通用户的体验来说，理赔流程由于等待人工查勘员现场拍照、定损员在维修地点定损、核损人员在后台核损，理赔周期长达1-3天，用户的等待时间较长，体验较差。针对需求背景中提到的这一人工成本巨大的行业痛点，开始设想将人工智能和机器学习应用到车辆定损的场景中，希望能够利用人工智能领域计算机视觉图像识别技术，根据普通用户拍摄的现场损失图片，自动识别图片中反映的车损状况，并自动给出维修方案。如此，无需人工查勘定损核损，大大减少了保险公司的成本，提升了普通用户的车险理赔体验。不过，目前的智能定损方案，损伤识别的准确度还有待进一步提高。因此，希望能有改进的本文档来自技高网...

【技术保护点】
1.一种计算机执行的车辆损伤识别方法，包括：/n获取待识别的图片；/n将所述待识别的图片输入损伤识别模型，从所述损伤识别模型的输出得到损伤预测结果，所述损伤预测结果包括，损伤边框预测结果和损伤类别预测结果，所述损伤类别预测结果指示出损伤材质和损伤方式的信息；/n根据所述损伤预测结果，确定车辆的损伤状况，所述损伤状况至少包括损伤材质和损伤方式。/n

【技术特征摘要】
1.一种计算机执行的车辆损伤识别方法，包括：
获取待识别的图片；
将所述待识别的图片输入损伤识别模型，从所述损伤识别模型的输出得到损伤预测结果，所述损伤预测结果包括，损伤边框预测结果和损伤类别预测结果，所述损伤类别预测结果指示出损伤材质和损伤方式的信息；
根据所述损伤预测结果，确定车辆的损伤状况，所述损伤状况至少包括损伤材质和损伤方式。


2.根据权利要求1所述的方法，其中所述损伤识别模型通过以下方式训练：
获取多张标注图片，各张标注图片包括，至少一个损伤边框，以及该损伤边框对应的损伤类别标签，所述损伤边框是包围连续损伤区域的最小矩形框，所述损伤类别标签指示出损伤材质和损伤方式的信息；
至少基于所述多张标注图片，训练多分类模型作为所述损伤识别模型。


3.根据权利要求2所述的方法，其中所述损伤类别标签还指示出损伤程度的信息。


4.根据权利要求2所述的方法，其中所述损伤类别标签为数字标签，该数字标签按照预定的映射表指示出对应的损伤材质和损伤方式的组合，所述映射表包含各种数字标签与损伤材质和损伤方式的各种组合之间的映射关系。


5.根据权利要求4所述的方法，其中所述数字标签按照预定的映射表指示出对应的损伤材质、损伤方式以及损伤程度的组合，所述映射表包含各种数字标签与损伤材质、损伤方式和损伤程度的各种组合之间的映射关系。


6.根据权利要求2所述的方法，其中所述损伤类别标签包含第一字段和第二字段的组合，所述第一字段指示出损伤材质信息，第二字段指示出损伤方式信息。


7.根据权利要求6所述的方法，其中所述损伤类别标签还包括第三字段，所述第三字段指示出损伤程度的信息。


8.根据权利要求1所述的方法，其中，
所述损伤材质包括，喷漆件，塑料件，金属件，磨砂件，玻璃，灯；
所述损伤方式包括，刮擦，变形，裂口，碎裂。


9.根据权利要求1所述的方法，其中所述损伤类别标签与维修方案类别相对应。


10.根据权利要求1所述的方法，其中，所述损伤类别预测结果还指示出车辆的损伤程度的信息，
其中根据所述损伤预测结果，确定车辆的损伤状况包括，根据所述类别预测结果，确定车辆的损伤程度。


11.根据权利要求1所述的方法，其中所述损伤识别模型所基于的损伤类别标签与维修方案类别相对应；所述方法还包括：
根据所述损伤类别预测结果，确定车辆的维修方案。


12.一种识别车辆损伤的装置，包括：
图片获取单元，配置为获取待识别的图片；...

【专利技术属性】
技术研发人员：徐娟，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY