[发明专利]一种车辆损伤识别模型建立方法、损伤识别方法及装置

说明书

本文提供了一种车辆损伤识别模型建立方法、损伤识别方法及装置，所述方法包括：确定训练集数据，提取所述历史损伤图片中浅层图像特征和深层图像特征；将所述深层图像特征输入到自适应感受野选择模型中，得到深层鲁棒特征；将所述深层鲁棒特征和所述浅层图像特征融合处理得到所述历史损伤图片的目标图像特征；将所述目标图像特征输入到车辆损伤识别模型中，得到图像预测分割结果；根据所述图像预测分割结果和所述历史损伤图片对应的损伤分割标签，利用预设损失函数调整所述自适应感受野选择模型和所述车辆损伤识别模型的网络参数，得到训练完成的所述自适应感受野选择模型和所述车辆损伤识别模型，本文能够提高训练模型的高鲁棒性和识别准确性。

技术领域

本文属于图像处理技术领域，进一步涉及车辆保险损伤识别领域，具体涉及一种车辆损伤模型建立方法、损伤识别方法及装置。

背景技术

车辆损伤事件中，常因意外或人为过错造成车辆表面发生受损，例如车辆刮擦、碰撞等。为了便于车辆维修、保险理赔，需要对车辆损伤进行鉴定。传统对车辆损伤的鉴定过程，需要通过人工现场查勘定损。但是现有的通过人工对车辆定损的过程，不仅需要投入大量的人工，还需要所投入的人工具有较高的损伤鉴定能力，且处理周期较长。

因此，现有技术中也有利用人工智能进行识别车辆损伤，然而，利用人工智能的车辆损伤的识别结果可能因为各种因素造成偏差。比如传统图像识别模型针对边缘明显的目标个体效果更好，而车辆图像上的损伤通常不具备明显的边界，且由于拍摄环境的影响，车身的反光、流线型干扰和脏污往往会造成损伤识别出现误检。

因此如何提高车辆损伤识别的准确性成为目前亟需解决的技术问题。

发明内容

针对现有技术的上述问题，本文的目的在于，提供一种车辆损伤识别模型建立方法、损伤识别方法及装置，能够提高车辆损伤识别的准确性。

为了解决上述技术问题，本文的具体技术方案如下：

一方面，一种车辆损伤识别模型建立方法，所述方法包括：

确定训练集数据，所述训练集数据包括历史损伤图片，所述历史损伤图片具有损伤分割标签，所述损伤分割标签包括至少一种预设损伤类型；

提取所述历史损伤图片中浅层图像特征和深层图像特征；

将所述深层图像特征输入到自适应感受野选择模型中，得到深层鲁棒特征，所述自适应感受野选择模型用于根据不同损伤分割标签确定深层图像特征对应不同的感受野选择矩阵；

将所述深层鲁棒特征和所述浅层图像特征融合处理得到所述历史损伤图片的目标图像特征；

将所述目标图像特征输入到车辆损伤识别模型中，得到图像预测分割结果；

根据所述图像预测分割结果和所述历史损伤图片对应的损伤分割标签，利用预设损失函数调整所述自适应感受野选择模型和所述车辆损伤识别模型的网络参数，得到训练完成的所述自适应感受野选择模型和所述车辆损伤识别模型。

进一步地，所述将所述深层图像特征输入到自适应感受野选择模型中，得到深层鲁棒特征，包括：

利用预设空洞卷积核，采用多个扩张率处理所述深层图像特征，得到多个尺寸的深层图像特征；

将多个尺寸的深层图像特征融合处理，得到融合后的深层图像特征；

将所述融合后的深层图像特征输入到自适应感受野选择模型中，得到感受野选择矩阵，所述感受野选择矩阵的通道数与融合后的深层图像特征通道数量一致；

根据所述融合后的深层图像特征和所述感受野选择矩阵，计算得到所述历史损伤图片的深层鲁棒特征。

进一步地，所述深层鲁棒特征通过如下公式得到：