[發(fā)明專利]用于車輛的定損方法、裝置、電子設(shè)備和計(jì)算機(jī)存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910372962.2
• 申請日: 2019-05-06
• 公開（公告）號: CN110135437B
• 公開（公告）日: 2022-04-05
• 發(fā)明（設(shè)計(jì)）人: 張偉;譚嘯;孫昊;文石磊;丁二銳
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 趙林琳;張昊

1.一種用于車輛的定損方法，包括：

通過預(yù)先構(gòu)建的第一卷積神經(jīng)網(wǎng)絡(luò)從輸入圖像中提取用于表征所述車輛的部件的第一特征并且通過預(yù)先構(gòu)建的第二卷積神經(jīng)網(wǎng)絡(luò)從所述輸入圖像中提取用于表征所述車輛的損傷類型的第二特征；

通過預(yù)先構(gòu)建的第三卷積神經(jīng)網(wǎng)絡(luò)合并所述第一特征與所述第二特征，以生成第三特征，所述第三特征表征所述部件與所述損傷類型的對應(yīng)關(guān)系；

通過預(yù)先構(gòu)建的第四卷積神經(jīng)網(wǎng)絡(luò)將所述第三特征變換為特征向量；以及

通過預(yù)先構(gòu)建的第五卷積神經(jīng)網(wǎng)絡(luò)、基于所述特征向量，確定所述車輛的損傷識別結(jié)果，

其中生成所述第三特征包括：

將所述第一特征與所述第二特征串聯(lián)，以形成維度為H×W×(Cp+Cd)的第三特征，其中H、W分別為特征張量的高和寬，Cp為車輛部件種類數(shù)，Cd為損傷類型數(shù)，

其中所述第一卷積神經(jīng)網(wǎng)絡(luò)、所述第二卷積神經(jīng)網(wǎng)絡(luò)、所述第三卷積神經(jīng)網(wǎng)絡(luò)、所述第四卷積神經(jīng)網(wǎng)絡(luò)、所述第五卷積神經(jīng)網(wǎng)絡(luò)構(gòu)成作為端到端系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，并且所述第一卷積神經(jīng)網(wǎng)絡(luò)和所述第二卷積神經(jīng)網(wǎng)絡(luò)被分別訓(xùn)練以確定模型參數(shù)，所述第三卷積神經(jīng)網(wǎng)絡(luò)、所述第四卷積神經(jīng)網(wǎng)絡(luò)和所述第五卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)是在所述第一卷積神經(jīng)網(wǎng)絡(luò)和所述第二卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)被固定時(shí)通過訓(xùn)練確定的，并且

其中所述神經(jīng)網(wǎng)絡(luò)的模型參數(shù)是在所述第一卷積神經(jīng)網(wǎng)絡(luò)、所述第二卷積神經(jīng)網(wǎng)絡(luò)、所述第三卷積神經(jīng)網(wǎng)絡(luò)、所述第四卷積神經(jīng)網(wǎng)絡(luò)、所述第五卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)被確定之后，被微調(diào)確定的。

2.根據(jù)權(quán)利要求1所述的方法，其中所述第一卷積神經(jīng)網(wǎng)絡(luò)被訓(xùn)練為具有輸入圖像與表征部件的第一特征之間的映射關(guān)系。

3.根據(jù)權(quán)利要求2所述的方法，其中所述第二卷積神經(jīng)網(wǎng)絡(luò)被訓(xùn)練為具有輸入圖像與表征損傷類型的第二特征之間的映射關(guān)系。

4.根據(jù)權(quán)利要求3所述的方法，其中所述第三卷積神經(jīng)網(wǎng)絡(luò)被訓(xùn)練為具有表征部件的第一特征、表征損傷類型的第二特征之組合與經(jīng)合并的第三特征之間的映射關(guān)系。

5.根據(jù)權(quán)利要求4所述的方法，其中所述第四卷積神經(jīng)網(wǎng)絡(luò)被訓(xùn)練為具有經(jīng)合并的第三特征與經(jīng)變換的特征向量之間的映射關(guān)系。

6.根據(jù)權(quán)利要求5所述的方法，其中所述第五卷積神經(jīng)網(wǎng)絡(luò)被訓(xùn)練為具有經(jīng)變換的特征向量與損傷識別結(jié)果之間的映射關(guān)系。

7.根據(jù)權(quán)利要求5所述的方法，其中所述第四卷積神經(jīng)網(wǎng)絡(luò)包括卷積層、非線性層和全聯(lián)接層中的至少一層。

8.一種用于車輛的定損裝置，包括：

特征提取模塊，被配置為通過預(yù)先構(gòu)建的第一卷積神經(jīng)網(wǎng)絡(luò)從輸入圖像中提取用于表征所述車輛的部件的第一特征并且通過預(yù)先構(gòu)建的第二卷積神經(jīng)網(wǎng)絡(luò)從所述輸入圖像中提取用于表征所述車輛的損傷類型的第二特征；

特征合并模塊，被配置為通過預(yù)先構(gòu)建的第三卷積神經(jīng)網(wǎng)絡(luò)合并所述第一特征與所述第二特征，以生成第三特征，所述第三特征表征所述部件與所述損傷類型的對應(yīng)關(guān)系；

特征變換模塊，被配置為通過預(yù)先構(gòu)建的第四卷積神經(jīng)網(wǎng)絡(luò)將所述第三特征變換為特征向量；以及

損傷識別模塊，被配置為通過預(yù)先構(gòu)建的第五卷積神經(jīng)網(wǎng)絡(luò)、基于所述特征向量，確定所述車輛的損傷識別結(jié)果，

其中所述特征合并模塊進(jìn)一步被配置為將所述第一特征與所述第二特征串聯(lián)，以形成維度為H×W×(Cp+Cd)的第三特征，其中H、W分別為特征張量的高和寬，Cp為車輛部件種類數(shù)，Cd為損傷類型數(shù)，

其中所述第一卷積神經(jīng)網(wǎng)絡(luò)、所述第二卷積神經(jīng)網(wǎng)絡(luò)、所述第三卷積神經(jīng)網(wǎng)絡(luò)、所述第四卷積神經(jīng)網(wǎng)絡(luò)、所述第五卷積神經(jīng)網(wǎng)絡(luò)構(gòu)成作為端到端系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，并且所述第一卷積神經(jīng)網(wǎng)絡(luò)和所述第二卷積神經(jīng)網(wǎng)絡(luò)被分別訓(xùn)練以確定模型參數(shù)，所述第三卷積神經(jīng)網(wǎng)絡(luò)、所述第四卷積神經(jīng)網(wǎng)絡(luò)和所述第五卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)是在所述第一卷積神經(jīng)網(wǎng)絡(luò)和所述第二卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)被固定時(shí)通過訓(xùn)練確定的，并且

其中所述神經(jīng)網(wǎng)絡(luò)的模型參數(shù)是在所述第一卷積神經(jīng)網(wǎng)絡(luò)、所述第二卷積神經(jīng)網(wǎng)絡(luò)、所述第三卷積神經(jīng)網(wǎng)絡(luò)、所述第四卷積神經(jīng)網(wǎng)絡(luò)、所述第五卷積神經(jīng)網(wǎng)絡(luò)的模型參數(shù)被確定之后，被微調(diào)確定的。