一种面向车险反欺诈的图像生成方法、系统、装置和介质制造方法及图纸

本发明专利技术公开了一种面向车险反欺诈的图像生成方法、系统、装置和介质，该方法具体为：首先收集车险图像构建车险图像数据库并进行预处理，构建图像数据集，根据语义分割方式，对车辆部件进行标注；然后通过标注结果解析和分布分析，统计不同部件不同损伤类型的概率，对概率小于阈值的样本类型进行补充；其次构建车辆部件的有损和无损图像样本集，使用特征迁移方法将无损图像样本转换为有损图像样本，实现车损部件特征迁移；最后将有损部件图像合成到目标车辆上，形成新的车损图像样本。本发明专利技术能够使得车损图像样本集更全面，增加其多样性，提高数据质量，以提高车损反欺诈中的图像特征提取等算法的有效性。取等算法的有效性。取等算法的有效性。

【技术实现步骤摘要】
一种面向车险反欺诈的图像生成方法、系统、装置和介质


[0001]本专利技术涉及图像处理
，尤其涉及一种面向车险反欺诈的图像生成方法、系统、装置和介质。

技术介绍

[0002]随着金融保险行业信息化的发展，如何利用快速增长的数据，特别是较客观的图像数据，进行保险欺诈行为检测，对车险行业有重要意义。虽然车险行业采集的数据较多，但这些数据存在较严重的数据不均衡性。例如常见车损类型刮蹭，碰撞等占数据比例超过90％，而其他类型数据较少。这种非均衡性数据分布为标注和深度学习模型训练带来一定困难，并最终影响反欺诈系统判定效果。当前基于GAN(generative adversarial network，对抗生成网络)的图像增强算法，其生成数据同样存在分布不均衡问题，会进一步加剧样本的不均衡性。其次，对样本量较少，样本多样性强的类别，GAN生成图像保真度低，无法有效提升模型性能，实现数据增强的效果。需要更多的样本训练GAN——无足够样本需要GAN增强，这一悖论无法解决。

技术实现思路

[0003]本专利技术的目的在于针对现有技术的不足，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向车险反欺诈的图像生成方法，其特征在于，包括以下步骤：(1)收集车险图像构建车险图像数据库，对车险图像数据库进行预处理，以构建图像数据集，根据语义分割方式，人工完成车辆的车损要素标注；(2)通过车辆部件的标注结果解析和分布分析，统计不同部件不同损伤类型的概率，对概率小于设置的阈值的样本类型进行补充；(3)构建所述步骤(2)中需要补充的样本类型对应的车辆部件的有损图像样本集和无损图像样本集，使用特征迁移方法将无损图像样本转换为有损图像样本，以实现车损部件特征迁移；(4)车损部件拼装式图像生成：使用基于对抗网络的图像合成方法，将步骤(3)中生成的有损部件图像合成到目标车辆上，形成新的车损图像样本。2.根据权利要求1所述的面向车险反欺诈的图像生成方法，其特征在于，所述步骤(1)包括以下子步骤：(1.1)通过车险行业自有数据库或网络车损图像数据，收集车险图像，构建车险图像数据库；(1.2)对车险图像数据库进行去重复去相似预处理，以构建图像数据集；(1.3)以语义分割方式，人工对车辆图像中的车损、车辆部件信息进行标注，包括车损轮廓标注和车辆部件轮廓标注，以完成车辆的车损要素标注，并将标注的结果存储为标注数据集。3.根据权利要求1所述的面向车险反欺诈的图像生成方法，其特征在于，所述步骤(2)包括以下子步骤：(2.1)从标注的结果中读取损坏的车辆部件轮廓信息，其中，损坏的车辆部件轮廓信息包括损坏区域轮廓和损坏类型信息；(2.2)按照损伤部件和损伤类型进行统计，计算不同损伤部件不同损伤类型的概率，人工筛选出概率小于设置的阈值的样本类型，对该类型样本进行补充，使得对应的概率大于等于设置的阈值。4.根据权利要求1所述的面向车险反欺诈的图像生成方法，其特征在于，所述步骤(3)包括以下子步骤：(3.1)构建所述步骤(2)中需要补充的样本类型对应的车辆部件的有损图像样本集和无损图像样本集；(3.2)基于有损图像样本集和无损图像样本集，训练车损部件特征迁移模型；(3.3)使用特征迁移模型将有损图像中的有损部件图像特征迁移到无损图像中的无损部件上，生成仿真的有损部件图像，以实现无损图像到有损图像的转换。5.根据权利要求1所述的面向车险反欺诈的图像生成方法，其特征在于，所述步骤(4)包括以下子步骤：(4.1)利用语义分割方式提取待替换的车辆部件的外接定位框和轮廓；(4.2)使用特征迁移模型将待替换的无损车辆部件转换成有损车辆部件；(4.3)采用引导式拼装方法或轮廓对齐方法将生成的有损车辆...

【专利技术属性】
技术研发人员：丁锴，那崇宁，张泷，
申请(专利权)人：之江实验室，
类型：发明
国别省市：