[发明专利]基于深度学习模型的车辆定损方法、装置、设备及介质

权利要求书

1.一种基于深度学习模型的车辆定损方法，其特征在于，包括：

获取车辆的多个待识别图片，所述待识别图片为反映所述车辆受损情况的图片；

根据所述多个待识别图片和训练得到的预设部件分割模型确定所述车辆的受损主部件，所述预设部件分割模型为对车辆部件分割效果最佳的模型；

根据所述多个待识别图片和训练得到的预设伤检测模型确定所述受损主部件的多个伤检测框，所述预设伤检测模型为对车辆损伤判断效果最佳的模型；

根据所述受损主部件和所述多个伤检测框，输出所述车辆的定损结果，所述定损结果包括所述车辆的最重伤部件、最重伤类别。

2.如权利要求1所述的基于深度学习模型的车辆定损方法，其特征在于，所述根据所述多个待识别图片和训练得到的预设部件分割模型确定所述车辆的受损主部件，包括：

将所述多个待识别图片输入所述预设部件分割模型，获取所述多个待识别图片包含的所有受损部件；

获取每一所述受损部件的面积，并对比所有所述受损部件的面积大小；

将面积最大的所述受损部件作为所述车辆的受损主部件。

3.如权利要求1所述的基于深度学习模型的车辆定损方法，其特征在于，所述根据所述多个待识别图片和训练得到的预设部件分割模型确定所述车辆的受损主部件，包括：

将所述多个待识别图片输入所述预设部件分割模型，获得每一所述待识别图片的伤检测框；

根据所述受损主部件和所述每一所述待识别图片的伤检测框确定所述受损主部件的多个伤检测框。

4.如权利要求3所述的基于深度学习模型的车辆定损方法，其特征在于，所述根据所述受损主部件和所述每一所述待识别图片的伤检测框确定所述受损主部件的多个伤检测框，包括：

确定每一所述伤检测框的中心点，并确定所述中心点的位置；

判断所述中心点的位置是否位于所述受损主部件；

若所述中心点的位置位于所述受损主部件，则保留所述中心点对应的伤检测框，并将所述对应的伤检测框作为所述受损主部件的伤检测框；

若所述中心点的位置不位于所述受损主部件，则删除所述中心点对应的伤检测框。

5.如权利要求1-4任一项所述的基于深度学习模型的车辆定损方法，其特征在于，所述预设部件分割模型的获得方式，包括：

获取多个历史车损图片，所述历史车损图片包括市面上所有车型以往的车损图片；

根据车辆的部件对所述多个历史车损图片进行分类标注，获得部件分割数据库，所述车辆的部件包括叶子板、车门、保险杠、引擎盖；

将所述部件分割数据库作为车辆部件分割的训练集和测试集，建立分析车辆部件分割效果的部件分割模型；

调整学习率、训练次数和优化方式，获得对车辆部件分割效果最佳的部件分割模型，作为所述预设部件分割模型。

6.如权利要求1-4任一项所述的基于深度学习模型的车辆定损方法，其特征在于，所述预设伤检测模型的获得方式，包括：

获取多个历史车损图片，所述历史车损图片包括市面上所有车型以往的车损图片；

根据车辆的损伤程度对所述多个历史车损图片进行矩行标注，获得伤检测数据库，所述车辆的损伤程度包括刮擦、凹陷、缺失；

将所述伤检测数据库作为车辆损伤判断的训练集和测试集，建立分析车辆损伤判断效果的伤检测模型；

对所述伤检测数据库中的图片数据进行数据增强，调整学习率、训练次数和优化方式，获得对车辆损伤判断效果最佳的伤检测模型，作为所述预设伤检测模型。