【技术实现步骤摘要】
物体图像标注方法、系统、设备及存储介质
[0001]本专利技术涉及人工智能
,尤其涉及一种物体图像标注方法、系统、设备及存储介质。
技术介绍
[0002]汽车是人们日常交通中必不可缺的工具,由于汽车用量的增加和驾驶人员的技能有限,车辆事故时有发生。从时间角度看,早晚高峰期是事故频发的主要时间段。从空间角度,高速路和大中型城市的市区道路的事故发生频率远高于乡镇道路。事故发生后,对受损车辆的保险理赔和维修费用取决于车辆损伤程度的核定(简称“定损”)。传统的定损方法极大依赖于定损人员,这类方法有3个显著的弊端:
[0003](1)等待定损人员到达事故现场并展开定损,事故车辆停在路上占用空间,会造成更严重的交通拥堵;
[0004](2)定损员受限于地点和时间,能完成的定损案件有限,为了应对大量的事故,雇用和培训大量定损员会极大增加保险公司业务成本;
[0005](3)定损程度受定损员的经验,工作状态影响导致定损结果偏差,存在后续纠纷的隐患。
[0006]近年来,随着基于深度学习的计算机视觉技术的发展,在车辆定损应用目标检测和图像分割等技术等有效解决人工定损速度慢,定损结果有偏差,定损人员受限于时间空间等问题。因此研究图像识别技术在车险领域的应用有巨大的社会价值,前沿技术的应用不仅能帮助降低保险公司的定损人力成本,更能从整体上提升定损速度,减少事故给道路交通带来的阻塞。
[0007]基于深度卷积神经网络(Convolutional Neural Networks,简称CNN)的有监 ...
【技术保护点】
【技术特征摘要】
1.一种物体图像标注方法,其特征在于,包括:对目标物体图像进行分割,获取若干子图像,每一子图像表示目标物体中的每一部件;对每一部件进行特征提取,获取每一部件的特征;根据每一部件的特征,获取每一部件的名称;将所述目标物体图像中每一部件、每一部件的中心点、预设特征提取参数输入到父类识别模型中,获取每一部件的父类,并根据每一部件的名称和每一部件的父类对所述目标物体进行标注,其中,每一部件的中心点根据每一部件对应的子图像获得。2.如权利要求1所述物体图像标注方法,其特征在于,所述父类识别模型的具体计算公式如下:E(θ,p,c,M)=λ
c
E
c
+λ
s
E
s
+λ
d
E
d
+λ
m
E
m
‑
H,其中,θ表示所述预设特征提取参数,p表示任一物体的任一部件被分类到任一父类的概率,c表示部件的父类中心点,M表示包含所有部件的目标物体的层次结构,λ
c
表示第一预设参数,λ
s
表示第一预设参数,λ
d
表示第一预设参数,λ
m
表示第一预设参数,E
c
表示每一部件到每一父类中心的距离,E
s
表示相同部件之间的距离,E
d
表示同一目标物体上不同部件之间的距离,E
m
表示父类与子类关系的匹配程度,H表示预设阈值。3.如权利要求2所述物体图像标注方法,其特征在于,所述父类识别模型基于分类样本训练得到,包括:初始化每一部件的父类中心点;对于当前迭代,固定p的取值,计算得到θ、c和M的取值;固定θ、c和M的取值,优化p的取值,并再次固定p的取值,得到θ、c和M的最优解;重复上述迭代过程,直到E
c
、E
s
、E
d
和E
m
均为最小。4.如权利要求1至3任一所述物体图像标注方法,其特征在于,所述对目标物体图像进行分割,获取每一部件,包括:将所述目标物体图像输入到分割网络中,获取每一部件,所述分割网络基于分割...
【专利技术属性】
技术研发人员:王晨羽,刘莉红,刘玉宇,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:
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。