[發(fā)明專利]基于深度學習的分割效果評估方法、裝置、設備及介質(zhì)在審
| 申請?zhí)枺?/td> | 202010599352.9 | 申請日： | 2020-06-28 |
| 公開（公告）號： | CN111753843A | 公開（公告）日： | 2020-10-09 |
| 發(fā)明（設計）人： | 史鵬;劉莉紅;劉玉宇;肖京 | 申請（專利權(quán)）人： | 平安科技（深圳）有限公司 |
| 主分類號： | G06K9/34 | 分類號： | G06K9/34;G06K9/46;G06K9/62;G06N20/00;G06Q40/08 |
| 代理公司： | 深圳眾鼎專利商標代理事務所(普通合伙) 44325 | 代理人： | 譚果林 |
| 地址： | 518000 廣東省深圳市福田區(qū)福*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 學習 分割 效果 評估 方法 裝置 設備 介質(zhì) | ||
本發(fā)明涉及人工智能領域，公開了基于深度學習的分割效果評估方法、裝置、設備和存儲介質(zhì)，方法包括：獲取車輛圖片，根據(jù)車輛圖片和預訓練的部件分割模型獲取分割圖片；根據(jù)分割圖片的特征創(chuàng)建訓練標簽，分割圖片的特征包括具有符合預設形狀和/或顏色均勻的第一特征和具有花點和/或顏色交叉的第二特征，訓練標簽包括與第一、第二特征對應的第一、第二標簽；根據(jù)訓練標簽對分割圖片進行標注，得到已標注圖片；根據(jù)構(gòu)建的深度學習模型和已標注圖片獲取分割特征提取模型；獲取待測試圖片，根據(jù)待測試圖片和分割特征提取模型獲取分割效果。本發(fā)明的分割效果評估方法可以針對部件分割模型分割的效果評估，以及過濾分割模型分割失效的圖片。
技術(shù)領域
本發(fā)明涉及人工智能的技術(shù)領域，尤其涉及一種基于深度學習的分割效果評估方法、裝置、計算機設備及可讀存儲介質(zhì)。
背景技術(shù)
隨著汽車保有量的激增，交通碰撞事故也隨之頻發(fā)，因此所帶來的車輛損傷問題也越來越多。為此，保險公司陸續(xù)推出車險的保險服務來保障群眾的車輛財產(chǎn)安全，當被保險的車輛發(fā)生交通事故時，需要保險公司安排對受損的車輛進行車輛定損，并根據(jù)車輛受損的最重情況確定車險理賠金額，車險定損是理賠的關鍵環(huán)節(jié)。
目前，對于車輛損傷的判斷主要依賴人工進行估計，定損員在車輛事故現(xiàn)場進行現(xiàn)場查勘判斷，通過定損員手動分類的方式會花費大量的時間，不僅還需要投入大量人工成本，而且效率低下，不利于車險理賠的快速實現(xiàn)，并且定損員需要對采集的不同圖像進行分類并根據(jù)圖像區(qū)分出部件所受到的損傷，容易受到各種主觀因素的影響而無法保證對車輛受損情況定損的準確性。
因此，為解決上述問題，將計算機視覺圖像識別以及語義分割技術(shù)應用到車輛定損的場景中便應運而生。現(xiàn)有技術(shù)中，通常的流程為：通過圖像采集工具獲取車輛的圖片，再利用計算機自動識別圖片和語義分割技術(shù)來反映車輛的受損狀況，并對車輛的受損情況進行判斷。但目前的技術(shù)中，由于實際場景的復雜性以及語義分割模型的魯棒性，部件分割模型進行圖像分割的過程可能會出現(xiàn)分割失效的問題，而部件分割是后續(xù)進行部件識別的基礎；基于部件分割模型，若不能準確獲取分割模型的分割效果，則可能對后續(xù)針對車輛各部件受損特征的準確評估造成影響，如此則可能存在定損結(jié)果不一致的問題，從而給車輛用戶或者保險公司帶來經(jīng)濟損失。因此，針對車輛部件分割的效果評估有待進一步提高。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)中針對車輛的部件分割圖片可能出現(xiàn)分割失效的問題，提供一種基于深度學習的分割效果評估方法、裝置、計算機設備及可讀存儲介質(zhì)，以實現(xiàn)準確評估部件分割模型的分割效果以及過濾分割失效的圖片。
本發(fā)明第一方面提供一種分割效果評估方法，所述方法包括：
獲取車輛圖片和預訓練的部件分割模型，根據(jù)所述車輛圖片和所述預訓練的部件分割模型獲取分割圖片；
根據(jù)所述分割圖片的特征創(chuàng)建訓練標簽，所述分割圖片的特征包括具有符合預設形狀和/或顏色均勻的第一特征和具有花點和/或顏色交叉的第二特征，所述訓練標簽包括與所述第一特征對應的第一標簽和與所述第二特征對應的第二標簽；
根據(jù)所述第一標簽和所述第二標簽對所述分割圖片進行標注，得到已標注圖片；
構(gòu)建深度學習模型，根據(jù)所述深度學習模型和所述已標注圖片獲取分割特征提取模型；
獲取待測試部件分割模型輸出的圖片，將所述待測試部件分割模型輸出的圖片作為待測試圖片；
獲取已進行部件分割的待測試圖片，將所述待測試圖片輸入所述分割特征提取模型，以確定所述待測試圖片對應的標簽；
若所述對應的標簽符合所述第一標簽，則確定所述待測試圖片符合預設的分割效果；若所述對應的標簽符合所述第二標簽，則確定所述待測試圖片不符合所述預設的分割效果。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于平安科技（深圳）有限公司，未經(jīng)平安科技（深圳）有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010599352.9/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
