[發明專利]用于對車輛損傷圖像進行損傷分割的方法及裝置

有效

• 申請號: 201811052994.6
• 申請日: 2018-09-10
• 公開（公告）號: CN110570435B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 徐娟
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06N3/04;G06Q40/08
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供基于遷移學習的用于部件分割和損傷分割的方法，具體包括：第一方面，可以基于具有豐富的檢測和分割數據的高頻部件類別學習一種遷移方法，然后對于只有檢測數據沒有豐富分割數據的低頻部件類別可以通過其檢測框作用于此遷移方法而獲得對應的分割結果；第二方面，可以基于具有豐富的檢測和分割數據的高頻損傷類別學習一種檢測到分割遷移方法，然后對于只有檢測數據沒有豐富分割數據的低頻損傷類別可以通過其檢測框作用于此遷移方法而獲得對應的分割結果；第三方面，可以通過部件到損傷的跨域遷移學習獲得損傷的分割結果。通過這些方法，可以解決長尾的部件類別和損傷類別的分割數據獲取困難的問題。

技術領域

本說明書實施例涉及車輛定損領域，具體地，涉及一種用于對車輛損傷圖像進行損傷分割的方法及裝置。

背景技術

在車險理賠場景中，從車輛損傷圖像中獲取損傷對象的像素級分割結果，對提升識別損傷對象的準確度，以及對損傷對象的精準定位和精準展示來說，都十分重要。

目前，主要是采用人工標注的方法確定出車損圖像中的像素級損傷區域。然而，車體外觀損傷的形狀包括大量不連續、不規則的刮擦，變形，撕裂等，導致損傷區域的像素點邊界難以確認，因而進行人工標注的難度較大。

因此，需要一種更加有效地方法，可以快速、準確地實現對車輛損傷圖像的損傷分割。

發明內容

在本說明書描述的一種用于對車輛損傷圖像進行損傷分割的方法中，基于遷移學習的思想，確定出損傷分割模型，用于對車輛損傷圖像進行損傷分割。

根據第一方面，提供一種用于對車輛損傷圖像進行損傷分割的方法。該方法包括：獲取同時標注有目標檢測結果和目標分割結果的多個分割樣本，所述目標檢測結果包括目標對象的類別和邊框，所述目標分割結果包括目標對象的輪廓；所述多個分割樣本中對目標對象標注的多個類別構成第一類別子集；獲取標注有目標檢測結果但未標注目標分割結果的多個損傷檢測樣本；所述多個損傷檢測樣本中對目標對象標注的多個類別構成第二類別子集，所述第二類別子集中包括不屬于第一類別子集的類別；利用所述多個分割樣本和所述多個損傷檢測樣本，訓練損傷分割模型，所述損傷分割模型包括用于檢測損傷對象的目標檢測參數和用于確定所述損傷對象輪廓的目標分割參數；其中所述訓練損傷分割模型包括：

基于所述多個分割樣本中的目標檢測結果和多個損傷檢測樣本中的目標檢測結果，確定與所述第一類別子集和第二類別子集構成的類別集合中各個類別對應的目標檢測參數；基于所述多個分割樣本中的目標檢測結果和目標分割結果，確定權重遷移函數，所述權重遷移函數表示從目標檢測參數到目標分割參數的映射；將所述各個類別對應的目標檢測參數輸入所述權重遷移函數中，得到各個類別對應的目標分割參數，從而確定所述損傷分割模型，用于對車輛損傷圖像進行損傷分割。

根據一個實施例，所述第一類別子集中包括第一類別，所述確定權重遷移函數，包括：獲取與所述第一類別對應的目標檢測參數；將與所述第一類別對應的目標檢測參數輸入初始權重遷移函數中，得到對應的預測目標分割參數；基于所述預測目標分割參數，確定與第一類別的分割樣本對應的預測目標分割結果；至少基于所述預測目標分割結果和第一類別的分割樣本中標注的目標分割結果，調整所述初始權重遷移函數。

進一步地，在一個具體的實施例中，所述與所述第一類別對應的目標檢測參數包括目標分類參數和目標邊框參數；所述將與所述第一類別對應的目標檢測參數輸入初始權重遷移函數中，包括：將所述目標分類參數，和/或，目標邊框參數輸入所述初始權重遷移函數中。

根據一個實施例，其中所述權重遷移函數通過卷積神經網絡實現。

根據一個實施例，其中所述多個分割樣本中包括目標對象為部件對象的多個部件分割樣本。

根據一個實施例，其中所述多個分割樣本中包括目標對象為損傷對象的多個損傷分割樣本。