基于人工智能的车辆损伤识别方法、装置、设备及介质制造方法及图纸

本申请提出一种基于人工智能的车辆损伤识别方法、装置、电子设备及存储介质，基于人工智能的车辆损伤识别方法包括：采集带标签数据的车辆图像作为标注数据集，并将标注数据集划分为训练集和检测集，标签数据包括车辆图像中每一个像素点的损伤类型；搭建初始损伤识别网络，基于训练集训练初始损伤识别网络以获取第一损伤识别网络；基于第一损伤识别网络得到检测集中每一张车辆图像的损伤识别结果，基于损伤识别结果获取不同损伤类型的区分度；基于区分度构建区分度损失函数，基于区分度损失函数和检测集训练第一损伤识别网络得到第二损伤识别网络；基于所述第二损伤识别网络获取实时车辆图像的损伤识别结果。本申请能够提高车辆损伤识别的准确度。损伤识别的准确度。损伤识别的准确度。

【技术实现步骤摘要】
基于人工智能的车辆损伤识别方法、装置、设备及介质


[0001]本申请涉及人工智能
，尤其涉及一种基于人工智能的车辆损伤识别方法、装置、电子设备及存储介质。

技术介绍

[0002]在交通意外发生后，保险公司需要到事故现场进行车辆定损，在定损的过程中需要采集现场的车辆图像，通过车辆图像确定车辆损伤的类型和损伤程度以作为车险公司的理赔依据，车辆损伤识别的准确性直接影响最终的理赔结果。
[0003]目前，通常使用传统的图像分割网络直接获取车辆图像中不同位置的损伤类型，然而，由于在车辆定损场景中，不同损伤类型之间存在一定的相似性，从而使车辆损伤识别的准确度较低。

技术实现思路

[0004]鉴于以上内容，有必要提出一种基于人工智能的车辆损伤识别方法及相关设备，以解决如何提高车辆损伤识别的准确度这一技术问题，其中，相关设备包括基于人工智能的车辆损伤识别装置、电子设备及存储介质。
[0005]本申请提供基于人工智能的车辆损伤识别方法，所述方法包括：
[0006]采集带标签数据的车辆图像作为标注数据集，并将所述标注数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的车辆损伤识别方法，其特征在于，所述方法包括：采集带标签数据的车辆图像作为标注数据集，并将所述标注数据集划分为训练集和检测集，所述标签数据包括车辆图像中每一个像素点的损伤类型；搭建初始损伤识别网络，基于所述训练集对所述初始损伤识别网络进行训练以获取第一损伤识别网络；基于所述第一损伤识别网络得到所述检测集中每一张车辆图像的损伤识别结果，并基于所述损伤识别结果获取不同损伤类型的区分度；基于所述区分度构建区分度损失函数，并基于所述区分度损失函数和所述检测集训练第一损伤识别网络得到第二损伤识别网络；基于所述第二损伤识别网络获取实时车辆图像的损伤识别结果。2.如权利要求1所述的基于人工智能的车辆损伤识别方法，其特征在于，所述采集带标签数据的车辆图像作为标注数据集，并将所述标注数据集划分为训练集和检测集，所述标签数据包括车辆图像中每一个像素点的损伤类型，包括：采集车辆定损场景中的大量车辆图像，并获取每一张车辆图像的标签数据；储存所有车辆图像以及所有车辆图像的标签数据作为标注数据集；依据预设比例将所述标注数据集划分为训练集和检测集。3.如权利要求1所述的基于人工智能的车辆损伤识别方法，其特征在于，所述搭建初始损伤识别网络，基于所述训练集对所述初始损伤识别网络进行训练以获取第一损伤识别网络，包括：搭建初始损伤识别网络，所述初始损伤识别网络包括编码器和解码器；基于所述训练集和交叉熵损失函数对所述初始损伤识别网络进行训练以获取第一损伤识别网络，所述第一损伤识别网络的输入为车辆图像，输出为所述车辆图像的损伤识别结果，所述损伤识别结果包括所述车辆图像中每一个像素点的类型向量，所述类型向量包括所述像素点属于每一种损伤类型的概率值；选取所述损伤识别结果中每一个像素点的类型向量的最大概率值对应的损伤类型以作为所述车辆图像中该像素点的损伤类型。4.如权利要求3所述的基于人工智能的车辆损伤识别方法，其特征在于，所述基于所述损伤识别结果获取不同损伤类型的区分度包括：存储每一个损伤识别结果中所有类型向量得到类型向量集；计算目标类型向量中不同损伤类型之间概率值差值的绝对值以作为不同损伤类型之间的初始区分度，所述目标类型向量为所述类型向量集中的任意一个；基于所述初始区分度构建所述目标类型向量的初始区分度矩阵，所述初始区分度矩阵中第m行第n列的数值表示损伤类型m和损伤类型n之间的初始区分度；遍历所述类型向量集中所有的类型向量得到每一个类型向量的初始区分度矩阵；计算所有初始区分度矩阵的均值得到目标区分度矩阵，并对所述目标区分度矩阵中所有数值进行归一化处理以获取不...

【专利技术属性】
技术研发人员：康甲，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：