【技术实现步骤摘要】
车辆定损方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能
，尤其涉及一种车辆定损方法、装置、设备及存储介质。
技术介绍
[0002]目前，在车辆定损方案中，通常利用相机拍摄受损车辆，再利用深度学习模型在图像中对损伤进行检测和分类，最终依据后处理逻辑形成理赔结果，然而，由于深度学习模型无法准确的对某些形态的图像进行特征提取，造成深度学习模型所输出的定损结果的准确性低下。
技术实现思路
[0003]鉴于以上内容，有必要提供一种车辆定损方法、装置、设备及存储介质，能够提高定损结果的准确性。
[0004]一方面，本专利技术提出一种车辆定损方法，所述车辆定损方法包括：
[0005]基于多个预设比例对获取到的历史车损图像进行划分，得到每个预设比例对应的车损训练集；
[0006]基于每个车损训练集对预设网络进行并行训练，得到与每个车损训练集对应的车损检测模型，每个车损检测模型包括目标特征提取网络及输出网络；
[0007]当接收到车辆定损请求时，根据所述车辆定损请求获取待定...
【技术保护点】
【技术特征摘要】
1.一种车辆定损方法，其特征在于，所述车辆定损方法包括：基于多个预设比例对获取到的历史车损图像进行划分，得到每个预设比例对应的车损训练集；基于每个车损训练集对预设网络进行并行训练，得到与每个车损训练集对应的车损检测模型，每个车损检测模型包括目标特征提取网络及输出网络；当接收到车辆定损请求时，根据所述车辆定损请求获取待定损图像；基于每个目标特征提取网络对所述待定损图像进行特征提取，得到每个车损检测模型所输出的损伤特征向量；基于每个输出网络检测对应的损伤特征向量，得到每个车损检测模型所输出的损伤结果；拼接多个所述损伤特征向量，得到目标特征向量；对所述目标特征向量进行逻辑回归处理，得到多个所述车损检测模型对所述待定损图像的损伤置信度；根据所述损伤置信度及所述损伤结果生成定损结果。2.如权利要求1所述的车辆定损方法，其特征在于，所述基于多个预设比例对获取到的历史车损图像进行划分，得到每个预设比例对应的车损训练集包括：获取所述历史车损图像的车损类型；统计所述车损类型的类型总数；基于所述类型总数设定所述多个预设比例，每个预设比例与每个车损类型相对应；统计所述历史车损图像中每个车损类型的类型图像数量；对于每个车损类型，将该车损类型的类型图像数量作为基准数量，并计算所述基准数量与对应的预设比例的乘积，得到筛选数量；基于所述筛选数量从其余车损类型的历史车损图像中选取第一训练图像，并将与该车损类型对应的历史车损图像确定为第二训练图像；根据所述第一训练图像及所述第二训练图像生成与该车损类型对应的预设比例的车损训练集。3.如权利要求1所述的车辆定损方法，其特征在于，所述目标特征提取网络包括骨干网络、区域候选网络及第一全连接层，所述基于每个目标特征提取网络对所述待定损图像进行特征提取，得到每个车损检测模型所输出的损伤特征向量包括：基于所述骨干网络对所述待定损图像进行特征提取，得到第一特征图；基于所述区域候选网络对所述第一特征图进行重新构建，得到第二特征图；获取所述第一全连接层的预设矩阵及预设偏置值；基于所述预设矩阵及所述预设偏置值对所述第二特征图进行处理，得到所述损伤特征向量。4.如权利要求3所述的车辆定损方法，其特征在于，所述区域候选网络包括区域卷积层、边界框回归层及感兴趣区域对齐层，所述基于所述区域候选网络对所述第一特征图进行重新构建，得到第二特征图包括：基于所述区域卷积层对所述第一特征图进行卷积处理，得到区域特征；基于所述边界框回归层对所述区域特征进行回归处理，得到边界框；
基于所述感兴趣区域对齐层对所述边界框进行对齐处理，得到所述第二特征图。5.如权利要求1所述的车辆定损方法，其特征在于，所述输出网络包括第二全连接层、边界框回归网络及损伤分类识别网络，所述基于每个输出网络检测对应的损伤特征向量，得到每个车损检测模...
【专利技术属性】
技术研发人员：赵霄鸿，刘莉红，刘玉宇，肖京，
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。