[发明专利]优化损伤检测结果的方法及装置

说明书

本说明书实施例提供一种优化损伤检测结果的方法和装置，该方法包括，获取车辆损伤图片，并采用目标检测算法，从车辆损伤图片中识别出多个候选损伤区域。然后，提取各个候选损伤区域的特征向量；接着，基于各个候选损伤区域的特征向量，计算某个候选损伤区域与其他候选损伤区域的相似度特征。然后，将上述相似度特征输入预定的预测模型，根据预测模型的输出结果，确定该候选损伤区域是否为异常区域，如此，优化损伤检测结果。

技术领域

本说明书一个或多个实施例涉及人工智能和机器学习领域，尤其涉及优化智能车险定损中损伤检测结果的方法和装置。

背景技术

在传统车险理赔场景中,保险公司需要派出专业的查勘定损人员到事故现场进行现场查勘定损，给出车辆的维修方案和赔偿金额，并拍摄现场照片，定损照片留档以供后台核查人员核损核价。由于需要人工查勘定损，保险公司需要投入大量的人力成本，和专业知识的培训成本。从普通用户的体验来说，理赔流程由于等待人工查勘员现场拍照、定损员在维修地点定损、核损人员在后台核损，理赔周期长达1-3天，用户的等待时间较长，体验较差。

针对需求背景中提到的这一人工成本巨大的行业痛点，开始设想将人工智能和机器学习应用到车辆定损的场景中，希望能够利用人工智能领域计算机视觉图像识别技术，根据普通用户拍摄的现场损失图片，自动识别图片中反映的车损状况，并自动给出维修方案。如此，无需人工查勘定损核损，大大减少了保险公司的成本，提升了普通用户的车险理赔体验。

不过，目前的智能定损方案，损伤识别的准确度还有待进一步提高。因此，希望能有改进的方案，能够对车辆的损伤检测结果进行进一步优化，提高识别准确度。

发明内容

本说明书一个或多个实施例描述了优化损伤检测结果的方法和装置，在注意力机制的构思下，基于初步损伤检测结果中各个候选损伤区域与其他候选损伤区域之间的相似度特征，确定异常区域，从而优化损伤检测结果。

根据第一方面，提供了一种优化损伤检测结果的方法，包括：

获取车辆损伤图片；

采用目标检测算法，从所述车辆损伤图片中识别出多个候选损伤区域；

提取所述多个候选损伤区域中各个候选损伤区域的特征向量；

基于各个候选损伤区域的特征向量，计算所述多个候选损伤区域中任意的第一候选损伤区域与多个其他候选损伤区域的多个相似度特征；

将所述多个相似度特征输入预定的预测模型，根据预测模型的输出结果，确定第一候选损伤区域是否为异常区域。

根据一种实施方式，通过以下方式提取各个候选损伤区域的特征向量：

获取所述车辆损伤图片经卷积处理的特征图；

从所述特征图中提取，各个候选损伤区域对应的特征向量。

进一步地，在一个实施例中，目标检测算法基于卷积神经网络；在这样的情况下，可以从所述卷积神经网络的卷积层，获取车辆损伤图片经卷积处理的特征图。

根据一种实施方式，通过以下方式计算第一候选损伤区域与多个其他候选损伤区域的多个相似度特征：

计算所述第一候选损伤区域对应的第一特征向量，分别与多个其他候选损伤区域对应的多个其他特征向量的点积，基于多个点积结果确定所述多个相似度特征。

在一个实施例中，所述预测模型通过正样本和负样本预先训练，所述正样本包括，多个标注为真实损伤的损伤区域，所述负样本包括，多个标注为真实损伤的损伤区域和至少一个标注为非损伤的区域。

根据一种实施方式，目标检测算法基于训练样本集预先训练；在这样的情况下，预测模型所基于的正样本和负样本可以选自所述训练样本集。