[发明专利]用于车辆的定损方法、装置、电子设备和计算机存储介质

说明书

本公开的实施例涉及一种用于车辆的定损方法、装置、电子设备和计算机可读存储介质。该方法包括从输入图像中提取用于表征所述车辆的部件的第一特征和用于表征所述车辆的损伤类型的第二特征。此外，该方法还包括合并所述第一特征与所述第二特征，以生成第三特征，所述第三特征表征所述部件与所述损伤类型的对应关系。该方法进一步包括将所述第三特征变换为特征向量以及基于所述特征向量，确定所述车辆的损伤识别结果。本公开的技术方案通过提供受损车辆的照片或视频来快速且准确地车辆的受损情况，以便为定损、理赔、修理等后续工作提供客观依据。

技术领域

本公开的实施例主要涉及计算机领域，并且更具体地，涉及用于车辆的定损方法、装置、电子设备和计算机可读存储介质。

背景技术

目前，对于车辆损伤理赔的判断(即，定损业务)主要依赖人工，如查勘员在车辆事故现场进行现场查勘判断，或者由用户通过手机对事故现场进行拍照或视频连线保险公司工作人员等。自动化的智能定损业务正在兴起。例如，传统的智能定损业务通常将针对用户输入的图像的特征提取与末端分类器(例如，SVM或xgboost等)进行结合，来对事故车辆进行定损。然而，这种定损方法是将特征提取训练与分类器训练划分为独立的两个环节，分类器训练无法指导特征提取训练，这严重地影响了性能。此外，这种传统的定损方法需要对提取的特征进行缓存，因此耗时费力。在目前的车辆定损业务中，尚未开发出基于全链路深度学习的并且支持受损部位和损伤类别同步识别的方案。

发明内容

根据本公开的示例实施例，提供了一种用于车辆定损的方案。

在本公开的第一方面中，提供了一种用于车辆的定损方法。该方法包括从输入图像中提取用于表征所述车辆的部件的第一特征和用于表征所述车辆的损伤类型的第二特征。此外，该方法还包括合并所述第一特征与所述第二特征，以生成第三特征，所述第三特征表征所述部件与所述损伤类型的对应关系。该方法进一步包括将所述第三特征变换为特征向量以及基于所述特征向量，确定所述车辆的损伤识别结果。

在本公开的第二方面中，提供了一种用于车辆的定损装置。该装置包括特征提取模块，被配置为从输入图像中提取用于表征所述车辆的部件的第一特征和用于表征所述车辆的损伤类型的第二特征。该装置还可以包括特征合并模块，被配置为合并所述第一特征与所述第二特征，以生成第三特征，所述第三特征表征所述部件与所述损伤类型的对应关系。此外，该装置进一步包括特征变换模块，被配置为将所述第三特征变换为特征向量。该装置还包括损伤识别模块，被配置为基于所述特征向量，确定所述车辆的损伤识别结果。

在本公开的第三方面中，提供了一种设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。

在本公开的第四方面中，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现根据本公开的第一方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了本公开的多个实施例能够在其中实现的示例环境的示意图；

图2示出了本公开的多个实施例能够在其中实现的详细示例环境的示意图；

图3示出了根据本公开的实施例的用于车辆定损的示例环境的示意图；

图4示出了根据本公开的实施例的用于车辆定损的过程的流程图；

图5示出了根据本公开的实施例的用于车辆定损的装置的示意框图；以及