【技术实现步骤摘要】
车辆外观部件识别方法、装置、电子设备和介质
本公开涉及图像识别
，尤其涉及一种车辆外观部件识别方法、装置、电子设备和存储介质。
技术介绍
在保险理赔业务中，针对划伤等理赔案件，为了提高定损和理赔效率，通过对现场事故图片中外观部件的识别，确定出线损伤的具体车辆部位，以进一步确定对应的损失类型。相关技术中的图像分割模型对边缘明显的目标部件具有较好的识别结果，比如如果输入的车辆图像中全车面积占全图80％左右，则部件分割能获得不错的效果。但是如果图像的拍摄角度比较近，采集到的车辆图像占整车面积的比例较小，则会由于感受野不够大，以及上采样丢失过多图像浅层细节信息，导致识别结果出现较大偏差。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种车辆外观部件识别方法、装置、存储介质及电子设备，至少在一定程度上克服由于相关技术中车辆外观部件识别结果偏差较大的问题。本公开的其...
【技术保护点】
1.一种车辆外观部件识别方法，其特征在于，包括：/n提取车辆图像的深层特征和浅层特征；/n将所述浅层特征输入压缩和扩展处理模型，输出全局特征；/n基于多个空洞卷积对所述深层特征进行采样操作，生成语义分割特征；/n基于所述全局特征和所述语义分割特征生成融合特征；/n将所述融合特征输入分割结果预测模型，基于所述分割结果预测模型的输出结果识别所述车辆外观部件。/n
【技术特征摘要】
1.一种车辆外观部件识别方法，其特征在于，包括：
提取车辆图像的深层特征和浅层特征；
将所述浅层特征输入压缩和扩展处理模型，输出全局特征；
基于多个空洞卷积对所述深层特征进行采样操作，生成语义分割特征；
基于所述全局特征和所述语义分割特征生成融合特征；
将所述融合特征输入分割结果预测模型，基于所述分割结果预测模型的输出结果识别所述车辆外观部件。
2.根据权利要求1所述的车辆外观部件识别方法，其特征在于，所述分割结果预测模型包括堆叠的两层第一反卷积网络，所述将所述融合特征输入分割结果预测模型，基于所述分割结果预测模型的输出结果识别所述车辆外观部件，具体包括：
将所述融合特征输入所述堆叠的两层第一反卷积网络，输出部件分割图；
基于聚类特征预测模型对所述全局特征进行上采样操作，生成与部件类型对应的聚类特征；
基于所述聚类特征对所述部件分割图执行聚类矫正操作，基于所述聚类矫正操作的结果识别所述车辆外观部件。
3.根据权利要求2所述的车辆外观部件识别方法，其特征在于，所述基于聚类特征预测模型对所述全局特征进行上采样操作，生成与部件类型对应的聚类特征，具体包括：
分别采用两层第二反卷积网络对所述全局特征进行上采样操作，基于所述上采样操作的操作结果，输出与所述部件类型对应的所述聚类特征。
4.根据权利要求2所述的车辆外观部件识别方法，其特征在于，所述基于所述聚类特征对所述部件分割图执行聚类矫正操作，基于所述聚类矫正操作的结果识别所述车辆外观部件，具体包括：
计算所述部件分割图中每个像素点的多维特征，以基于所述多维特征确定所述像素点所属的所述部件类型；
基于所述部件类型生成所述部件分割图的分割掩膜图；
确定每类所述聚类特征的聚类中心，以计算两个所述聚类中心之间的欧式距离；
在检测到具有所述欧氏距离小于距离阈值的第一聚类中心和第二聚类中心时，计算属于第一聚类特征的像素点的第一概率均值，以及属于第二聚类特征的像素点的第二概率均值，所述第一聚类特征与所述第一聚类中心对应，所述第二聚类特征与所述第二聚类中心对应；
在所述第一概率均值小于所述第二概率均值时，将所述第一聚类特征的部件类型调整为所述第二聚类特征的部件类型，在所述第一概率均值大于所述第二概率均值时，将所述第二聚类特征的部件类型调整为所述第一聚类特征的部件类型，并基于调整结果矫正所述分割掩膜图；
基于矫正后的所述分割掩膜图识别所述车辆外观部件。
5.根据权利要求2所述的车辆外观部件识别方法，其特征在于，所述在基于聚类特征预测模型对所述全局特征进行上采样操作，生成与部件类型对应的聚类特征之前，还包括：
对所述聚类特征预测模型进行模型训练，
其中，在模型训练过程中，基于第一损失函数对所述聚类特征预测模型执行...
【专利技术属性】
技术研发人员：付晓，殷雨昕，马文伟，刘设伟，
申请(专利权)人：泰康保险集团股份有限公司，泰康在线财产保险股份有限公司，
类型：发明
国别省市：北京;11
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。