[发明专利]车辆损伤识别方法、装置、设备及存储介质

说明书

本申请适用于车险技术领域，提供了一种车辆损伤识别方法、装置、设备及存储介质；所述方法包括：获取待理赔车辆的车辆损伤图片；根据预先训练完成的损伤目标检测模型对所述车辆损伤图片进行分类，得到所述车辆损伤图片包括的各个车辆损伤区域；对各个所述车辆损伤区域进行重叠程度分析及度量，生成各个所述车辆损伤区域的热力图；基于各个所述车辆损伤区域的热力图，确定各个所述车辆损伤区域包括的过渡区域。能够提高车辆损伤图片的识别精度。

技术领域

本申请涉及车险技术领域，尤其涉及一种车辆损伤识别方法、装置、设备及存储介质。

背景技术

随着计算机技术的不断发展以及在保险领域的应用，智能理赔已经成为保险行业的发展趋势。目前，对于车险理赔过程中拍摄的车辆损伤照片的识别，多采用多边形区域过滤器，例如使用bbox过滤器等进行车辆损伤信息标记。但是车辆损伤往往是连通车辆多个部位的且同时存在着边界过度问题，仅通过多边形区域过滤器无法准确识别出车辆多个部位的连通损伤。

由此可见，现有的车辆损伤识别过程中存在无法准确识别出连通的多个车辆损伤区域的过渡区域而导致的车辆损伤识别精度不高的问题。

发明内容

有鉴于此，本申请实施例提供了一种车辆损伤识别方法、装置、设备及存储介质，以解决现有技术中由于无法准确识别出连通的多个车辆损伤区域的过渡区域而导致的车辆损伤识别精度不高的问题。

本申请第一方面提供了一种车辆损伤识别方法，包括：

获取待理赔车辆的车辆损伤图片；

根据预先训练完成的损伤目标检测模型对所述车辆损伤图片进行分类，得到所述车辆损伤图片包括的各个车辆损伤区域；

对各个所述车辆损伤区域进行重叠程度分析及度量，生成各个所述车辆损伤区域的热力图；

基于各个所述车辆损伤区域的热力图，确定各个所述车辆损伤区域包括的过渡区域。

在一种可选的实现方式中，所述预先训练完成的损伤目标检测模型为卷积神经网络模型；

所述根据预先训练完成的损伤目标检测模型对所述车辆损伤图片进行分类，得到所述车辆损伤图片包括的各个车辆损伤区域，包括：

根据所述卷积神经网络模型对所述车辆损伤图片进行分类，得到对所述车辆损伤图片的各个损伤预测框；

根据各个所述损伤预测框分别对应的回归损失值，确定所述车辆损伤图片包括的各个车辆损伤区域。

在一种可选的实现方式中，在根据各个所述损伤预测框分别对应的回归损失值，确定所述车辆损伤图片包括的各个车辆损伤区域之前，还包括：

基于所述卷积神经网络模型的损失函数分别确定各个所述损伤预测框分别对应的回归损失值；或者，

基于所述卷积神经网络模型的交并比分别确定各个所述损伤预测框对应的回归损失值。

在一种可选的实现方式中，对各个所述车辆损伤区域进行重叠程度分析及度量，生成各个所述车辆损伤区域的热力图，包括:

针对任意一个所述车辆损伤区域，对该车辆损伤区域进行车辆语义分割，以获得用于指示该车辆损伤区域中的不同像素是否属于同一区域的标签信息和用于指示该车辆损伤区域中的热力图，所述标签信息中的每个像素与该车辆损伤区域中的一个或多个像素相对应，所述标签信息中的像素值一致的像素用于指示该车辆损伤区域中的对应像素属于该车辆损伤区域，所述标签信息中的像素值不一致的像素用于指示该车辆损伤区域中的对应像素属于与该车辆损伤区域相邻的其它车辆损伤区域。

在一种可选的实现方式中，基于各个所述车辆损伤区域的热力图，确定各个所述车辆损伤区域的过渡区域，包括：