[发明专利]车辆定损方法、装置、设备和存储介质

摘要

本申请涉及页面智能决策领域，提供了车辆定损的方法、装置、设备和存储介质，方法包括：获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额；将车辆事故图像集合以及所述多个车辆事故案件的理赔金额输入搭建的语义分割网络PSPnet卷积神经网络模型，以在多组训练多组超参数下的训练PSPnet；将误差最小的一组超参数下的PSPnet作为目标PSPnet；接收到用户在终端上发送的定损请求，向客户端发送指示消息；接收所述客户端发送的车损照片后，则将客户端发送的车损照片输入至目标PSPnet，构建生成定损策略，并将定损策略发送给所述客户端。将AI图片识别定损技术运用在车险事故理赔场景，提供便捷的客户端，让用户可以快速方便的完成理赔的全部流程。

主权项

1.一种车辆定损方法，其特征在于，所述方法包括：/n获取待处理的车辆事故图像集合以及多个车辆事故案件的理赔金额；每个所述车辆事故案件对应至少一张所述车辆事故图像；/n将所述车辆事故图像集合以及所述多个车辆事故案件的理赔金额输入语义分割网络PSPnet，以在多组超参数下训练所述PSPnet；训练所述PSPnet中的池化层以及卷积层通过计算；其中，代表根据所述PSPnet卷积层的多层感知器中第n-1层的输出，训练所述PSPnet卷积层的多层感知器中第n层中第k个神经元得到的权值，表示相应的偏置，表示第i个车辆事故案件的第j张车辆事故图像输入至所述PSPnet后在所述PSPnet的第n层的输出，i、j以及k为任意正整数，n为自然数；当n为0时，是指所述车辆事故图像；当n为所述PSPnet的最后一层时，是指所述车辆事故案件的理赔金额；/n通过损失函数以及正则化系数计算不同超参数下所述PSPnet的误差，将误差最小的一组超参数下的所述PSPnet作为目标PSPnet；所述损失函数的函数值是指PSPnet测试集中的车辆事故图像输入至卷积神经网络后的实际赔付金额与测试集中的车辆事故图像输入至卷积神经网络后的期望赔付金额之间差值的平方和；所述正则化系数C通过以下公式计算得到：/n /nC₀是所述损失函数的初始取值，n'是指所述车辆事故图像集合中的图像数量；λ是指正则项与C₀项的比重，所述正则项是指的平方和；/n接收到用户在终端上发送的定损请求，向客户端发送指示消息；/n接收所述客户端发送的车损照片后，则将所述客户端发送的车损照片输入至所述目标PSPnet，生成定损策略，并将所述定损策略发送给所述客户端。/n