CN113361457A - 基于图像的车辆定损方法、装置及系统 - Google Patents
基于图像的车辆定损方法、装置及系统 Download PDFInfo
- Publication number
- CN113361457A CN113361457A CN202110724600.2A CN202110724600A CN113361457A CN 113361457 A CN113361457 A CN 113361457A CN 202110724600 A CN202110724600 A CN 202110724600A CN 113361457 A CN113361457 A CN 113361457A
- Authority
- CN
- China
- Prior art keywords
- damaged
- information
- damage
- image
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Finance (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种基于图像的车辆定损方法、装置及系统,涉及人工智能领域,具体涉及计算机视觉和深度学习技术,具体可用于智能云和车辆定损场景下。方法包括:获取受损车辆的待定损图像,基于待定损图像输出第一定损框和第一受损信息,响应于针对待定损图像的第一框选操作,确定并输出与第一框选操作对应的第二定损框、以及第二受损信息,第二定损框所框选的车辆受损图像与第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息,可以实现车辆定损的灵活性和多样性,且可以避免车辆受损部位的遗漏,提高了车辆定损的全面性和可靠性的技术效果。
Description
技术领域
本公开涉及人工智能领域,具体涉及计算机视觉和深度学习技术,尤其涉及一种基于图像的车辆定损方法、装置及系统,具体可用于智能云和车辆定损场景下。
背景技术
随着生活质量的提升,车辆逐渐成了生活必需品,以便于用户出行,与此同时,交通事故的数量也在相应增加。
在现有技术中,基于图像的车辆定损方法包括:由处理交通事故的用户(如保险工作人员等)拍摄得到受损车辆的图像,并将图像传输至预先训练的神经网络模型,由神经网络模型确定受损车辆的车辆受损信息,其中,车辆受损信息例如是车辆的受损程度、划痕等等。
然而,采用上述方法对受损车辆进行定损,得到的车辆受损信息的可靠性严重依赖于神经网络模型,可能存在因神经网络模型的精确性偏低而使得定损得到的车辆受损信息的准确性偏低的技术问题。
发明内容
本公开提供了一种用于提高车辆定损的可靠性的基于图像的车辆定损方法、装置及系统。
根据本公开的第一方面,提供了一种基于图像的车辆定损方法,包括:
获取受损车辆的待定损图像,并基于所述待定损图像输出第一定损框和第一受损信息,其中,第一定损框用于框选所述待定损图像上的车辆受损图像,所述第一受损信息为所述第一定损框所指示的车辆受损图像的车辆受损信息;
响应于针对所述待定损图像的第一框选操作,确定并输出与所述第一框选操作对应的第二定损框、以及第二受损信息;其中,所述第二定损框所框选的车辆受损图像与所述第一定损框所框选的车辆受损图像不同,所述第二受损信息为所述第二定损框所指示的车辆受损图像的车辆受损信息。
根据本公开的第二方面,提供了一种基于图像的车辆定损装置,包括:
第一获取单元,用于获取受损车辆的待定损图像;
第一输出单元,用于基于所述待定损图像输出第一定损框和第一受损信息,其中,第一定损框用于框选所述待定损图像上的车辆受损图像,所述第一受损信息为所述第一定损框所指示的车辆受损图像的车辆受损信息;
确定单元,用于响应于针对所述待定损图像的第一框选操作,确定与所述第一框选操作对应的第二定损框、以及第二受损信息,其中,所述第二定损框所框选的车辆受损图像与所述第一定损框所框选的车辆受损图像不同,所述第二受损信息为所述第二定损框所指示的车辆受损图像的车辆受损信息;
第二输出单元,用于输出所述第二定损框和所述第二受损信息。…
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的第六方面,提供了一种基于图像的车辆定损系统,包括:图像采集装置和如第二方面所述的装置,其中,所述图像采集装置用于获取受损车辆的待定损图像。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开一个实施例的输出界面的示意图;
图3是根据本公开第二实施例的示意图;
图4是根据本公开另一实施例的输出界面的示意图;
图5是根据本公开第三实施例的示意图;
图6是根据本公开第四实施例的示意图;
图7是根据本公开第五实施例的示意图;
图8是用来实现本公开实施例的基于图像的车辆定损方法的电子设备的框图;
图9是可以实现本公开实施例的基于图像的车辆定损系统的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
车辆定损是指,在发生交通事故之后,对车辆的受损情况进行确定。
在现有技术中,通常采用的车辆定损的方法包括两类,一类为基于人工的车辆定损,另一类为基于图像的车辆定损。
其中,基于人工的车辆定损是指:在交通事故发生之后,由具有专业知识的工作人员,基于现场的交通事故详情,对受损车辆进行定损。
然而,采用上述人工的车辆定损的方法,需要依赖专业知识较强的工作人员现场处理,成本偏高,等待周期较长,且处理效率偏低。
基于图像的车辆定损是指:
预先采集样本图像,样本图像为受损车辆的图像,基于样本图像对基础网络模型进行训练,得到车辆受损信息识别模型(车辆受损信息识别模型用于对受损车辆的图像进行识别,得到受损车辆的车辆受损信息)。
在交通事故发生之后,获取由于交通事故而造成的车辆受损的待识别图像,待识别图像中包括受损车辆的受损部位,将待识别图像输入至车辆受损信息识别模型,以便由车辆受损信息识别模型输出受损车辆的车辆受损信息。
然而,采用上述图像的车辆定损的方法,一方面,得到的车辆受损信息的可靠性严重依赖于车辆受损信息识别模型,可能存在车辆受损信息识别模型的精确性偏低而使得定损得到的车辆受损信息的准确性偏低的技术问题。
为了避免上述技术问题中的至少一种,本公开的发明人经过创造性地劳动,得到了本公开的发明构思:支持交互操作,如提供对待定损图像的框选操作,确定并输出框选操作对应的定损框、车辆受损图像、以及受损车辆的车辆受损信息。
基于上述发明构思,本公开提供一种基于图像的车辆定损方法、装置及系统,应用于人工智能领域,具体涉及计算机视觉和深度学习技术,具体可用于智能云和车辆定损场景下,以达到车辆定损的准确性和可靠性。
图1是根据本公开第一实施例的示意图,如图1所示,本公开实施例的基于图像的车辆定损方法,包括:
S101:获取受损车辆的待定损图像,并基于待定损图像输出第一定损框和第一受损信息。
其中,第一定损框用于框选待定损图像上的车辆受损图像,第一受损信息为第一定损框所指示的车辆受损图像的车辆受损信息。
示例性地,本实施例的执行主体可以为基于图像的车辆定损装置(下文简称车辆定损装置),车辆定损装置可以为服务器(包括本地服务器和云端服务器,服务器可以为云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等),也可以为路侧设备,也可以为终端设备,也可以为处理器,还可以为芯片,等等,本实施例不做限定。
其中,路侧设备例如有计算功能的路侧感知设备、与路侧感知设备相连接的路侧计算设备,在智能交通车路协同的系统架构中,路侧设备包括路侧感知设备和路侧计算设备,路侧感知设备(例如路侧相机)连接到路侧计算设备(例如路侧计算单元RSCU),路侧计算设备连接到服务器,服务器可以通过各种方式与自动驾驶或辅助驾驶车辆通信;或者,路侧感知设备自身包括计算功能,则路侧感知设备直接连接到服务器。以上连接可以是有线或是无线。
应该理解地是,本实施例中的“第一”或“第二”等,用于对不同的对象进行区分,而不能理解为对对象的限定。例如,第一定损框中的“第一”用于与后文中的第二定损框进行区分,而不能理解为对第一定损框的限定。
待定损图像为受损车辆的图像,且为包括受损车辆的受损部位的图像。受损图像的大小本实施例不做限定,例如,受损图像的大小可以基于采集该受损图像的图像采集设备的性能确定;另一个示例中,受损图像可以基于定损装置的预设需求确定等,此处不再一一列举。
关于获取待定损图像可以采用下述示例实现:
一个示例中,车辆定损装置可以与图像采集装置连接,并接收由图像采集装置发送的图像,图像可以为受损车辆的全景图,也可以为包括受损位置的部分图(即待定损图像)。
若图像采集装置发送的图像为受损车辆的全景图,则车辆定损装置可以基于全景图确定待定损图像。
另一个示例中,车辆定损装置可以提供载入图像的工具,用户可以通过该载入图像的工具将图像传输至车辆定损装置。同理,通过该载入图像的工具传输的图像可以为受损车辆的全景图,也可以为包括受损位置的部分图(即待定损图像)。
其中,载入图像的工具可以为用于与外接设备连接的接口,如用于与其他存储设备连接的接口,通过该接口获取外接设备传输的图像;载入图像的工具也可以为显示装置,如车辆定损装置可以在显示装置上输入载入图像功能的界面,用户可以通过该界面将图像导入至车辆定损装置,车辆定损装置获取导入的图像(可能为全景图像,也可能为待定损图像)。
示例性地,待定损图像中包括车辆受损图像,第一定损框用于从待定损图像中框选出该部分图像(即车辆受损图像),如图2所示。
且,车辆定损装置可以输出车辆受损图像的车辆受损信息。
例如,如图2所示,车辆受损具体可以为车辆被划伤,导致受损车辆上存在划痕,则车辆受损图像中包括划痕,车辆定损装置输出的第一受损信息可以包括:划痕宽度(如图2中所示的“宽度:X”)、划痕长度(如图2中所示的“长度:Y”)、以及划痕所属部件(即如图2中所示的“损伤部件:XX”)等。
其中,本实施例对确定第一受损信息的方法不做限定,如可以采用图像识别的方式实现,也可以采用网络模型的方式实现等。
S102:响应于针对待定损图像的第一框选操作,确定并输出与第一框选操作对应的第二定损框、以及第二受损信息。
其中,第二定损框所框选的车辆受损图像与第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息。
示例性地,结合上述示例,用户可以在输出的待定损图像上进行第一框选操作,相应地,车辆定损装置根据第一框选操作生成并输出第二定损框。
例如,车辆定损装置可以根据用户的第一框选操作,确定第一框选操作对应的框选轨迹,并根据框选轨迹生成且输出第二定损框。
也即,车辆定损装置可以基于用户对待定损图像中第一框选操作,确定受损车辆的更多的车辆受损图像(如上述示例中的第二定损框所框选的车辆受损图像),且基于该第一框选操作框选的车辆受损图像、与第一定损框所框选的车辆受损图像为不相同的车辆受损图像,从而可以实现提高确定出的车辆受损图像的全面性和完整性。
相应地,车辆定损装置可以根据第二定损框,生成并输出第二受损信息,而当基于第二定损框所框选的车辆受损图像确定第二受损信息时,相当于采用本实施例的方法得到的受损信息既可以包括第一受损信息,也可以包括第二受损信息,因此,可以使得对受损车辆的受损信息进行全面且可靠的评价,从而提高车辆定损的准确性和可靠性的技术效果。
基于上述分析可知,本实施例提供了基于图像的车辆定损方法,包括:获取受损车辆的待定损图像,并基于待定损图像输出第一定损框和第一受损信息,第一定损框用于框选待定损图像上的车辆受损图像,第一受损信息为第一定损框所指示的车辆受损图像的车辆受损信息,响应于针对待定损图像的第一框选操作,确定并输出与第一框选操作对应的第二定损框、以及第二受损信息,第二定损框所框选的车辆受损图像与第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息,在本实施例中,引入了:根据针对待定损图像的第一框选操作,确定并输出第二定损框和第二受损信息的技术特征,可以结合与用户的交互,实现车辆定损的灵活性和多样性,且可以避免车辆受损部位的遗漏,使得车辆定损涵盖了尽可能多的车辆受损部位,从而提高了车辆定损的全面性和可靠性的技术效果。
图3是根据本公开第二实施例的示意图,如图3示,本公开实施例的基于图像的车辆定损方法,包括:
S301:获取受损车辆的待定损图像,并基于待定损图像输出第一定损框和第一受损信息。
其中,第一定损框用于框选待定损图像上的车辆受损图像,第一受损信息为第一定损框所指示的车辆受损图像的车辆受损信息。
示例性地,关于S301的实现原理,可以参见第一实施例,此处不再赘述。
在一些实施例中,待定损图像的数量为多个。例如,若受损车辆存在多处损伤,则待定损图像的数量为多个。
若待定损图像的数量为多个,基于待定损图像输出第一定损框和第一受损信息可以包括如下步骤:
第一步骤:输出操作图标。
其中,操作图标用于选定车辆定损的待定损图像。
示例性地,如图4所示,操作图标可以为如图4中所示的“上一张”、“下一张”。
具体地,待定损图像的数量为多个,“上一张”可以用于选定当前的待定损图像的前一个待定损图像,“下一张”可以用于选定当前的待定损图像的下一个待定损图像。
第二步骤:响应于触发操作图标的关联操作,从多个待定损图像中确定并输出与关联操作对应的待定损图像,并输出与关联操作对应的待定损图像的第一定损框、以及与关联操作对应的待定损图像的第一受损信息。
一个示例中,关联操作可以为点击操作。
例如,如图4所示,用户可以对“上一张”的操作图标的进行点击操作,车辆定损装置根据该点击操作,输出当前的待定损图像的前一个待定损图像,并输出与当前的待定损图像的前一个待定损图像所表征的车辆受损信息。
另一个示例中,关联操作可以为滑动操作。
例如,车辆定损装置可以包括接入设备,且接入设备可以为鼠标。相应地,当用户可以对鼠标的滚轮进行滑动操作,车辆定损装置根据该滑动操作,输出当前的待定损图像的前一个待定损图像,并输出与当前的待定损图像的下一个待定损图像所表征的车辆受损信息;或者,输出当前的待定损图像的下一个待定损图像,并输出与当前的待定损图像的下一个待定损图像所表征的车辆受损信息。
再一个示例中,关联操作可以为快捷键操作。
例如,车辆定损装置可以包括接入设备,且接入设备可以为键盘。其中,车辆定损装置可以预先存储:选定前一个待定损图像与快捷键之间的映射关系,以及,选定下一个待定损图像与快捷键之间的映射关系。
相应地,当用户操作键盘上的快捷键时,车辆定损装置根据被触发的快捷键以及映射关系确定并输出与当前的待定损图像的下一个待定损图像所表征的车辆受损信息;或者,输出当前的待定损图像的下一个待定损图像,并输出与当前的待定损图像的下一个待定损图像所表征的车辆受损信息。
值得说明地是,在本实施例中,通过操作图标和关联操作确定:第一定损框和第一受损信息,可以实现对受损车辆和损失信息展示的灵活性、多样性、以及全面性的技术效果。
在一些实施例中,车辆定损装置还可以支持对待定损图像的旋转操作。例如,车辆定损装置可以输出如图4所示的“旋转”图标,响应于用户点击“旋转”图标的点击操作,车辆定损装置对待定损图像进行旋转处理。
其中,旋转的角度可以由车辆定损装置预先设置,如90度旋转等。
在一些实施例中,车辆定损装置还可以输出当前的待定损图像的序号(如图4所示的“序号:1”)、以及待定损图像的总数量(如图4所示的“总数量:100”)。
在一些实施例中,第一定损框的数量可能为多个。例如,若受损车辆存在多处受损的情况,则待定损图像中包括多处受损车辆的受损图像。
如图4所示,待定损图像中包括三个第一定损框,则车辆定损装置可以为三个第一定损框中的每一个定损框分配标识,且在输出三个第一定损框的同时,输出三个第一定损框各自对应的标识。例如,如图4所示,三个第一定损框的标识分别为A、B、以及C。
在本实施例中,针对多个数量的第一定损框,通过分配并输出标识,使得用户可以获悉受损车辆的各受损区域,便于用户对各受损区域的认定,以便用户对受损区域进行查缺补漏,提高车辆定损的全面性和可靠性的技术效果。
相应地,用户可以对任意标识进行选定操作,车辆定损装置根据选定操作,确定用户选定的第一定损框,从而生成相应的第一受损信息。
一个示例中,车辆定损装置可以输出支持用户触发选定操作的界面,例如,车辆定损装置可以输出包括如图4所示的“选择损伤区域”的下拉式图标,用户可以通过下拉该下拉式图标选择相应的第一定损框。
且如图4所示,当用户通过“选择损伤区域”的下拉式图标,选定第一定损框时,车辆定损装置可以输出选定的第一定损框对应的第一受损信息。例如,被选定的第一定损框为A,则车辆定损装置可以对A中的受损图像进行识别,从而得到A中受损图像所指示的车辆受损图像的车辆受损信息(如图4中所示的“车辆受损信息”,车辆受损信息的具体内容可以参阅上述示例)。
另一个示例中,结合上述示例,车辆定损装置可以包括鼠标,则选定操作可以为鼠标实现的。例如,若鼠标在某第一定损框的停留时间大于预设的时间阈值,则确定选定操作被触发,车辆定位装置可以将停留时间大于时间阈值的第一定损框确定为被选定的第一定损框,生成并输出该第一定损框对应的车辆受损信息。
再一个示例中,结合上述示例,车辆定损装置可以包括键盘,则车辆定损装置可以预先建立标识与快捷键之间的映射关系,并基于用户对快捷键的操作、以及该映射关系,确定被选定的第一定损框。
在本实施例中,用户可以随意选择第一定损框,并通过界面读取的方式获悉所选定的第一定损框对应的第一受损信息,提高了提供第一受损信息的灵活性和多样性的技术效果。
S302:响应于针对待定损图像的第一框选操作,确定并输出与第一框选操作对应的第二定损框、以及第二受损信息。
其中,第二定损框所框选的车辆受损图像与第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息。
示例性地,关于S302的实现原理,可以参见第一实施例,此处不再赘述。
S303:获取并存储针对待调整受损信息的修改信息。
其中,待调整受损信息包括第一受损信息和/或第二受损信息。
基于上述针对相关技术地描述可知,在相关技术中,第一受损信息和第二受损信息为既定的信息,即车辆定损装置机械地输出第一受损信息和第二受损信息,而无法对第一受损信息和第二受损信息进行适应性地调整。而在本实施例中,引入了获取并存储修改信息的特征,而通过引入的该特征,可以实现对第一受损信息和第二受损信息的处理的灵活性,也可以提高第一受损信息和第二受损信息的准确性和可靠性的技术效果。
例如,如图4所示,车辆定损装置可以提供用于支持输出修改信息的界面,用户可以通过该界面对第一受损信息和/或第二受损信息进行修改操作,车辆定损装置根据用户的修改操作生成并存储修改信息。
在一些实施例中,调整受损信息包括多个损伤类目各自对应的待调整受损信息。
示例性地,损伤类目可以为如图4中所示的“损伤程度”、“损伤深度”等。且损伤类目下可以包括子类目,如图4所示,“损伤程度”包括子类目:“轻度”、“中度”、以及“重度”,“损伤深度”包括子类目:“较轻”、“较深”、“很深”,且可以显示子类目对应的细节信息,如较轻(≤1厘米)等。
相应地,S303可以包括如下步骤:
第一步骤:获取针对第一损伤类目的待调整受损信息的修改信息,并根据针对第一损伤类目的待调整受损信息的修改信息,确定第二损伤类目的待调整受损信息的修改信息。
其中,多个损伤类目包括第一损伤类目和第二损伤类目,且第二损伤类目与第一损伤类目存在调整关联关系。
调整关联关系是指一个损伤类目的受损信息的修改,会使得另一个损伤类目的受损信息自动发生变化。
示例性地,若一个损伤类目为第一选定框所框选的受损图像所指示的受损车辆的部件面积(如图4中所示的“部件面积”),另一损伤类目为第一选定框所框选的受损图像所指示的受损车辆的损伤面积(如图4中所示的“损伤面积”,该损伤面积可以为上述示例中的划痕面积),还一个损伤类别为损伤面积与部件面积的比值(如图4中所示的“面积占比”),则当部件面积发生变化时,面积占比也会随之变化。
在另一些实施例中,车辆定损装置可以提供用于保存当前信息的保存图标,如图4中所示的“保存”。
在另一些实施例中,车辆定损装置还可以提供选择损伤位置、损伤部件等的图标,以便用于对损伤位置和损伤部件等进行选择。
应该理解地是,图4只是用于示范性地说明,车辆定损装置可以支持的相应操作和显示效果,而不能理解为对车辆定损装置的功能的限定。
第二步骤:分别存储第一损伤类目的待调整受损信息的修改信息、以及第二损伤类目的待调整受损信息的修改信息。
在本实施例中,通过结合调整关联关系,对存在调整关联关系的不同损伤类目的待调整受损信息的修改信息进行确定,可以实现提高效率和灵活性的技术效果。
在另一些实施例中,S303可以包括:响应于针对定损框的第二框选操作,确定第三定损框,并确定第三定损框的属性信息,其中,定损框为所述第一定损框,或者,为第二定损框,根据属性信息确定并存储对待调整受损信息的修改信息。
属性信息可以表征第三定损框所框选的车辆受损图像所指示的车辆部件的受损尺寸,具体地可以通过第三定损框所框选的车辆受损图像的像素信息,并根据像素信息确定车辆部件的受损尺寸。
相应地,车辆定损装置可以基于如上所述的车辆部件的受损尺寸重新确定并存储面积占比(即修改信息)。
在本实施例中,车辆定损装置可以基于用户的第二框选操作,方便快捷的确定并存储修改信息,提高了车辆定损的灵活性,满足了用户的修改需求,提高了车辆定损的准确性和可靠性的技术效果。
图5是根据本公开第三实施例的示意图,如图5示,本公开实施例的基于图像的车辆定损方法,包括:
S501:获取受损车辆的待定损图像,基于待定损图像输出第一定损框,并基于预先训练的神经网络模型对第一定损框所框选的待定损图像上的车辆受损图像进行识别,得到第一受损信息。
其中,第一定损框用于框选待定损图像上的车辆受损图像,第一受损信息为第一定损框所指示的车辆受损图像的车辆受损信息。
在本实施例中,车辆定损装置中可以设置有预先训练的神经网络模型,神经网络模型用于对车辆受损图像进行识别,得到相应的受损信息。关于神经网络模型的训练可以参见相关技术,此处不再赘述。
值得说明地是,在一些实施例中,可以将待定损图像输出至神经网络模型,由神经网络模型输出第一定损框和第一受损信息。
也就是说,第一定损框可以由其他的识别方法(如光学字符识别OCR)生成并输出,也可以基于神经网络模型生成并输出,本实施例不做限定。
S502:响应于针对待定损图像的第一框选操作,确定并输出与第一框选操作对应的第二定损框,且基于神经网络模型对第二定损框所框选的待定损图像上的车辆受损图像进行识别,得到第二受损信息。
其中,第二定损框所框选的车辆受损图像与第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息。
同理,在该步骤中,第二定损框也可以由神经网络模型确定,也可以采用其他方法确定,本实施例不做限定。
S503:获取并存储针对待调整受损信息的修改信息.
其中,待调整受损信息包括第一受损信息和/或第二受损信息。
示例性地,关于S503的实现原理,可以参见第二实施例,此处不再赘述。
S504:根据存储的针对待调整受损信息的修改信息,对神经网络模型进行优化。
一个示例中,可以获取用于优化神经网络模型的样本数据集,并将待调整受损信息的修改信息作为样本数据集的标准识别结果,对神经网络模型进行优化。
另一个示例中,可以将待调整受损信息的修改信息作为验证数据集,对神经网络模型进行优化。
值得说明地是,在实施例中,通过结合将待调整受损信息的修改信息对神经网络模型进行优化,可以提高优化后的神经网络模型的识别精度,进而可以提高车辆定损的准确性和准确性的技术效果。
图6是根据本公开第四实施例的示意图,如图6示,本公开实施例的基于图像的车辆定损装置,包括:
第一获取单元601,用于获取受损车辆的待定损图像。
第一输出单元602,用于基于待定损图像输出第一定损框和第一受损信息,其中,第一定损框用于框选待定损图像上的车辆受损图像,第一受损信息为第一定损框所指示的车辆受损图像的车辆受损信息。
确定单元603,用于响应于针对待定损图像的第一框选操作,确定与第一框选操作对应的第二定损框、以及第二受损信息,其中,第二定损框所框选的车辆受损图像与所述第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息。
第二输出单元604,用于输出第二定损框和第二受损信息。
图7是根据本公开第五实施例的示意图,如图7示,本公开实施例的基于图像的车辆定损装置,包括:
第一获取单元701,用于获取受损车辆的待定损图像。
第一输出单元702,用于基于待定损图像输出第一定损框和第一受损信息,其中,第一定损框用于框选待定损图像上的车辆受损图像,第一受损信息为第一定损框所指示的车辆受损图像的车辆受损信息。
结合图7可知,在一些实施例中,待定损图像的数量为多个,第一输出单元702,包括:
第一输出子单元7021,用于输出操作图标,操作图标用于选定车辆定损的待定损图像。
第一确定子单元7022,用于响应于触发操作图标的关联操作,从多个待定损图像中确定与关联操作对应的待定损图像。
第二输出子单元7023,用于输出与关联操作对应的待定损图像、关联操作对应的待定损图像的第一定损框、以及与关联操作对应的待定损图像的第一受损信息。
结合图7可知,在一些实施例中,第一定损框的数量为多个,第一输出单元702,包括:
分配子单元7024,用于为每一第一定损框分配标识。
第三输出子单元7025,用于在输出每一第一定损框时,输出每一第一定损框的标识。
第二确定子单元7026,用于响应于获取到的对任意标识的选定操作,根据选定操作确定任意标识的第一定损框。
生成子单元7027,用于生成任意标识的第一定损框所指示的车辆受损图像的车辆受损信息。
第四输出子单元7028,用于输出任意标识的第一定损框所指示的车辆受损图像的车辆受损信息。
确定单元703,用于响应于针对待定损图像的第一框选操作,确定与第一框选操作对应的第二定损框、以及第二受损信息,其中,第二定损框所框选的车辆受损图像与所述第一定损框所框选的车辆受损图像不同,第二受损信息为第二定损框所指示的车辆受损图像的车辆受损信息。
第二输出单元704,用于输出第二定损框和第二受损信息。
第二获取单元705,用于获取针对待调整受损信息的修改信息,其中,待调整受损信息包括第一受损信息和/或第二受损信息。
存储单元706,用于存储针对待调整受损信息的修改信息。
结合图7可知,在一些实施例中,待调整受损信息包括多个损伤类目各自对应的待调整受损信息,第二获取单元705,包括:
获取子单元7051,用于获取针对第一损伤类目的待调整受损信息的修改信息。
第三确定子单元7052,用于根据针对第一损伤类目的待调整受损信息的修改信息,确定第二损伤类目的待调整受损信息的修改信息,其中,多个损伤类目包括第一损伤类目和第二损伤类目,且第二损伤类目与第一损伤类目存在调整关联关系。
存储单元706用于,分别存储第一损伤类目的待调整受损信息的修改信息、以及第二损伤类目的待调整受损信息的修改信息。
在另一些实施例中,获取单元705用于,响应于针对定损框的第二框选操作,确定第三定损框,并确定第三定损框的属性信息,其中,定损框为第一定损框,或者,为第二定损框。
存储单元706用于,根据属性信息确定并存储对待调整受损信息的修改信息。
优化单元707,用于根据存储的针对待调整受损信息的修改信息,对神经网络模型进行优化。
其中,受损信息是基于预先训练的神经网络模型确定的,受损信息包括第一受损信息、第二受损信息。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,电子设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如基于图像的车辆定损方法。例如,在一些实施例中,基于图像的车辆定损方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的基于图像的车辆定损方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于图像的车辆定损方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本公开实施例的另一个方面,本公开实施例还提供了一种基于图像的车辆定损系统,包括:图像采集装置和如上任一实施例所述的基于图像的车辆定损装置,其中,图像采集装置用于获取受损车辆的待定损图像。
示例性地,如图9所示,第一车辆901和第二车辆902均行驶于道路903,由于第一车辆901的车速相对较慢,第二车辆902的车辆相对较快,两出发生追尾交通事件。
图像采集装置(图中未示出,图像采集装置可以为照相机等具有拍摄功能的装置)获取受损车辆的待定损图像,并将待定损图像发送给基于图像的车辆定损装置904。
如图9所示,基于图像的车辆定损装置904包括服务器9041和显示器9042。
其中,服务器9041用于,根据待定损图像,确定第一定损框和第一定损信息,并控制显示器9042输出待定损图像、第一定损框、以及第一定损信息。
且服务器9041用于,响应于针对待定损图像的第一框选操作,确定与第一框选操作对应的第二定损框,并确定第二定损框所指示的车辆受损图像的车辆受损信息(即第二受损信息),并控制显示器9042输出第二定损框、第二受损信息。
在一些实施例中,第一框选操为服务器9041对显示器9042进行监测,得到的。即服务器9041可以对用户基于显示器9042执行第一框选操作进行监测。
同理,服务器9041还可以控制显示器9042对其他内容进行显示,如图4所示,此处不再一一列举。
在一些实施例中,基于图像的车辆定损装置904还可以包括外接设备,如鼠标、键盘等,关于鼠标和键盘地描述,可以参见上述实施例,此处不再赘述。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开提供的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (20)
1.一种基于图像的车辆定损方法,包括:
获取受损车辆的待定损图像,并基于所述待定损图像输出第一定损框和第一受损信息,其中,第一定损框用于框选所述待定损图像上的车辆受损图像,所述第一受损信息为所述第一定损框所指示的车辆受损图像的车辆受损信息;
响应于针对所述待定损图像的第一框选操作,确定并输出与所述第一框选操作对应的第二定损框、以及第二受损信息;其中,所述第二定损框所框选的车辆受损图像与所述第一定损框所框选的车辆受损图像不同,所述第二受损信息为所述第二定损框所指示的车辆受损图像的车辆受损信息。
2.根据权利要求1所述的方法,其中,若所述待定损图像的数量为多个,则基于所述待定损图像输出第一定损框和第一受损信息,包括:
输出操作图标,所述操作图标用于选定车辆定损的待定损图像;
响应于触发所述操作图标的关联操作,从所述多个待定损图像中确定并输出与所述关联操作对应的待定损图像,并输出与所述关联操作对应的待定损图像的第一定损框、以及与所述关联操作对应的待定损图像的第一受损信息。
3.根据权利要求1或2所述的方法,其中,若所述第一定损框的数量为多个,则基于所述待定损图像输出第一定损框,包括:
为每一所述第一定损框分配标识,并在输出每一所述第一定损框时,输出每一所述第一定损框的标识。
4.根据权利要求3所述的方法,其中,基于所述待定损图像输出第一受损信息;包括:
响应于获取到的对任意标识的选定操作,根据所述选定操作确定所述任意标识的第一定损框,生成并输出所述任意标识的第一定损框所指示的车辆受损图像的车辆受损信息。
5.根据权利要求1至4中任一项所述的方法,所述方法还包括:
获取并存储针对待调整受损信息的修改信息,其中,所述待调整受损信息包括所述第一受损信息和/或所述第二受损信息。
6.根据权利要求5所述的方法,其中,所述待调整受损信息包括多个损伤类目各自对应的待调整受损信息;获取并存储针对待调整受损信息的修改信息,包括:
获取针对第一损伤类目的待调整受损信息的修改信息,并根据针对第一损伤类目的待调整受损信息的修改信息,确定第二损伤类目的待调整受损信息的修改信息,其中,所述多个损伤类目包括所述第一损伤类目和所述第二损伤类目,且所述第二损伤类目与所述第一损伤类目存在调整关联关系;
分别存储第一损伤类目的待调整受损信息的修改信息、以及第二损伤类目的待调整受损信息的修改信息。
7.根据权利要求5所述的方法,其中,获取并存储针对待调整受损信息的修改信息,包括:
响应于针对定损框的第二框选操作,确定第三定损框,并确定所述第三定损框的属性信息,其中,所述定损框为所述第一定损框,或者,为所述第二定损框;
根据所述属性信息确定并存储对所述待调整受损信息的修改信息。
8.根据权利要求5至7中任一项所述的方法,受损信息是基于预先训练的神经网络模型确定的,所述受损信息包括所述第一受损信息、所述第二受损信息;所述方法还包括:
根据存储的针对待调整受损信息的修改信息,对所述神经网络模型进行优化。
9.一种基于图像的车辆定损装置,包括:
第一获取单元,用于获取受损车辆的待定损图像;
第一输出单元,用于基于所述待定损图像输出第一定损框和第一受损信息,其中,第一定损框用于框选所述待定损图像上的车辆受损图像,所述第一受损信息为所述第一定损框所指示的车辆受损图像的车辆受损信息;
确定单元,用于响应于针对所述待定损图像的第一框选操作,确定与所述第一框选操作对应的第二定损框、以及第二受损信息,其中,所述第二定损框所框选的车辆受损图像与所述第一定损框所框选的车辆受损图像不同,所述第二受损信息为所述第二定损框所指示的车辆受损图像的车辆受损信息;
第二输出单元,用于输出所述第二定损框和所述第二受损信息。
10.根据权利要求9所述的装置,其中,若所述待定损图像的数量为多个,所述第一输出单元,包括:
第一输出子单元,用于输出操作图标,所述操作图标用于选定车辆定损的待定损图像;
第一确定子单元,用于响应于触发所述操作图标的关联操作,从所述多个待定损图像中确定与所述关联操作对应的待定损图像;
第二输出子单元,用于输出与所述关联操作对应的待定损图像、所述关联操作对应的待定损图像的第一定损框、以及与所述关联操作对应的待定损图像的第一受损信息。
11.根据权利要求9或10所述的装置,其中,若所述第一定损框的数量为多个,所述第一输出单元,包括:
分配子单元,用于为每一所述第一定损框分配标识;
第三输出子单元,用于在输出每一所述第一定损框时,输出每一所述第一定损框的标识。
12.根据权利要求11所述的装置,其中,所述第一输出单元,包括:
第二确定子单元,用于响应于获取到的对任意标识的选定操作,根据所述选定操作确定所述任意标识的第一定损框;
生成子单元,用于生成所述任意标识的第一定损框所指示的车辆受损图像的车辆受损信息;
第四输出子单元,用于输出所述任意标识的第一定损框所指示的车辆受损图像的车辆受损信息。
13.根据权利要求9至12中任一项所述的装置,所述装置还包括:
第二获取单元,用于获取针对待调整受损信息的修改信息,其中,所述待调整受损信息包括所述第一受损信息和/或所述第二受损信息;
存储单元,用于存储针对待调整受损信息的修改信息。
14.根据权利要求13所述的装置,其中,所述待调整受损信息包括多个损伤类目各自对应的待调整受损信息;所述第二获取单元,包括:
获取子单元,用于获取针对第一损伤类目的待调整受损信息的修改信息;
第三确定子单元,用于根据针对第一损伤类目的待调整受损信息的修改信息,确定第二损伤类目的待调整受损信息的修改信息,其中,所述多个损伤类目包括所述第一损伤类目和所述第二损伤类目,且所述第二损伤类目与所述第一损伤类目存在调整关联关系;
所述存储单元用于,分别存储第一损伤类目的待调整受损信息的修改信息、以及第二损伤类目的待调整受损信息的修改信息。
15.根据权利要求13所述的装置,其中,所述获取单元用于,响应于针对定损框的第二框选操作,确定第三定损框,并确定所述第三定损框的属性信息,其中,所述定损框为所述第一定损框,或者,为所述第二定损框;
所述存储单元用于,根据所述属性信息确定并存储对所述待调整受损信息的修改信息。
16.根据权利要求13至15中任一项所述的装置,受损信息是基于预先训练的神经网络模型确定的,所述受损信息包括所述第一受损信息、所述第二受损信息;所述装置还包括:
优化单元,用于根据存储的针对待调整受损信息的修改信息,对所述神经网络模型进行优化。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至8中任一项所述的方法。
20.一种基于图像的车辆定损系统,包括:图像采集装置和如权利要求9至16中任一项所述的装置,其中,所述图像采集装置用于获取受损车辆的待定损图像。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724600.2A CN113361457A (zh) | 2021-06-29 | 2021-06-29 | 基于图像的车辆定损方法、装置及系统 |
EP22826783.7A EP4160549A4 (en) | 2021-06-29 | 2022-01-29 | METHOD, DEVICE AND SYSTEM FOR IMAGE-BASED ASSESSMENT OF VEHICLE LOSS |
JP2022578897A JP2023536213A (ja) | 2021-06-29 | 2022-01-29 | 画像に基づく車両損傷評価方法、装置及びシステム |
PCT/CN2022/075124 WO2023273345A1 (zh) | 2021-06-29 | 2022-01-29 | 基于图像的车辆定损方法、装置及系统 |
KR1020227041512A KR20220164804A (ko) | 2021-06-29 | 2022-01-29 | 이미지에 기반한 차량 손상 평가 방법, 장치 및 시스템 |
US18/003,992 US20240013364A1 (en) | 2021-06-29 | 2022-01-29 | Image-based vehicle damage assessment method, apparatus and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724600.2A CN113361457A (zh) | 2021-06-29 | 2021-06-29 | 基于图像的车辆定损方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361457A true CN113361457A (zh) | 2021-09-07 |
Family
ID=77536969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110724600.2A Pending CN113361457A (zh) | 2021-06-29 | 2021-06-29 | 基于图像的车辆定损方法、装置及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113361457A (zh) |
WO (1) | WO2023273345A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273345A1 (zh) * | 2021-06-29 | 2023-01-05 | 北京百度网讯科技有限公司 | 基于图像的车辆定损方法、装置及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092922A (zh) * | 2017-03-13 | 2017-08-25 | 平安科技(深圳)有限公司 | 车损识别方法及服务器 |
CN108090838A (zh) * | 2017-11-21 | 2018-05-29 | 阿里巴巴集团控股有限公司 | 识别车辆受损部件的方法、装置、服务器、客户端及系统 |
US20210174493A1 (en) * | 2018-09-26 | 2021-06-10 | Advanced New Technologies Co., Ltd. | Damage identification result optimization method and apparatus |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160292759A1 (en) * | 2015-04-01 | 2016-10-06 | Audatex Gmbh | System and method for estimating collision damage to a car |
US9886771B1 (en) * | 2016-05-20 | 2018-02-06 | Ccc Information Services Inc. | Heat map of vehicle damage |
CN107403424B (zh) * | 2017-04-11 | 2020-09-18 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
CN110569701B (zh) * | 2018-12-29 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 计算机执行的车辆定损方法及装置 |
CN110458301A (zh) * | 2019-07-11 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 一种车辆部件的定损方法、装置、计算机设备及存储介质 |
CN110647853A (zh) * | 2019-09-27 | 2020-01-03 | 支付宝(杭州)信息技术有限公司 | 计算机执行的车辆定损方法及装置 |
CN113361457A (zh) * | 2021-06-29 | 2021-09-07 | 北京百度网讯科技有限公司 | 基于图像的车辆定损方法、装置及系统 |
-
2021
- 2021-06-29 CN CN202110724600.2A patent/CN113361457A/zh active Pending
-
2022
- 2022-01-29 WO PCT/CN2022/075124 patent/WO2023273345A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092922A (zh) * | 2017-03-13 | 2017-08-25 | 平安科技(深圳)有限公司 | 车损识别方法及服务器 |
CN108090838A (zh) * | 2017-11-21 | 2018-05-29 | 阿里巴巴集团控股有限公司 | 识别车辆受损部件的方法、装置、服务器、客户端及系统 |
US20210174493A1 (en) * | 2018-09-26 | 2021-06-10 | Advanced New Technologies Co., Ltd. | Damage identification result optimization method and apparatus |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273345A1 (zh) * | 2021-06-29 | 2023-01-05 | 北京百度网讯科技有限公司 | 基于图像的车辆定损方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2023273345A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4033453A1 (en) | Training method and apparatus for target detection model, device and storage medium | |
EP3852008A2 (en) | Image detection method and apparatus, device, storage medium and computer program product | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
EP3937077A1 (en) | Lane marking detecting method, apparatus, electronic device, storage medium, and vehicle | |
CN113591864B (zh) | 文本识别模型框架的训练方法、装置及系统 | |
CN113436100A (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN114449343A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
US20230154163A1 (en) | Method and electronic device for recognizing category of image, and storage medium | |
CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
CN113392794A (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN113378712A (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN116245193A (zh) | 目标检测模型的训练方法、装置、电子设备及介质 | |
CN115147831A (zh) | 三维目标检测模型的训练方法和装置 | |
CN114925295A (zh) | 确定兴趣点的引导点的方法、相关装置及计算机程序产品 | |
CN113361457A (zh) | 基于图像的车辆定损方法、装置及系统 | |
CN113591569A (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
CN113177497A (zh) | 视觉模型的训练方法、车辆识别方法及装置 | |
CN114549961B (zh) | 目标对象的检测方法、装置、设备以及存储介质 | |
CN113591709B (zh) | 动作识别方法、装置、设备、介质和产品 | |
CN114882313A (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN113379750A (zh) | 语义分割模型的半监督学习方法、相关装置及产品 | |
CN113344064A (zh) | 事件处理方法和装置 | |
EP4160549A1 (en) | Image-based vehicle loss assessment method, apparatus and system | |
CN113033475A (zh) | 目标对象追踪方法、相关装置及计算机程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |