JP2023536213A - 画像に基づく車両損傷評価方法、装置及びシステム - Google Patents
画像に基づく車両損傷評価方法、装置及びシステム Download PDFInfo
- Publication number
- JP2023536213A JP2023536213A JP2022578897A JP2022578897A JP2023536213A JP 2023536213 A JP2023536213 A JP 2023536213A JP 2022578897 A JP2022578897 A JP 2022578897A JP 2022578897 A JP2022578897 A JP 2022578897A JP 2023536213 A JP2023536213 A JP 2023536213A
- Authority
- JP
- Japan
- Prior art keywords
- damage
- information
- image
- vehicle
- assessment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 230000004044 response Effects 0.000 claims abstract description 21
- 238000012937 correction Methods 0.000 claims description 37
- 238000003062 neural network model Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 3
- 108010001267 Protein Subunits Proteins 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 17
- 230000000694 effects Effects 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 9
- 206010039203 Road traffic accident Diseases 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
Abstract
本開示は、画像に基づく車両損傷評価方法、装置及びシステムを開示し、人工知能の分野に関し、具体的にはコンピュータビジョンと深層学習技術に関し、具体的にはインテリジェントクラウドと車両損傷評価のシーンで使用可能である。方法は、損傷車両の損傷評価対象の画像を取得し、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するステップと、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定して出力するステップであって、第2の損傷評価枠で選択された車両損傷画像と第1の損傷評価枠で選択された車両損傷画像とは異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、を含み、車両損傷評価の柔軟性と多様性を実現し、車両損傷部位の漏れを回避し、車両損傷評価の全面性と信頼性を向上させることができるという技術的効果がある。【選択図】図1
Description
本開示は、2021年6月29日に中国国家知識産権局に提出された、特許出願番号がCN 202110724600.2であり、発明の名称が「画像に基づく車両損傷評価方法、装置及びシステム」である中国特許出願の優先権を主張し、そのすべての内容は参照として本出願に組み入れられる。
本開示は、人工知能の分野に関し、具体的にはコンピュータビジョンと深層学習技術に関し、特に画像に基づく車両損傷評価方法、装置及びシステムに関し、具体的にインテリジェントクラウドと車両損傷評価のシーンで使用できる。
生活の質の向上に伴い、車両は次第に生活必需品になり、ユーザの移動を容易にすると同時に、交通事故の数も増加している。
従来技術では、画像に基づく車両損傷評価方法は、交通事故を処理するユーザ(保険スタッフなど)が撮影して損傷車両の画像を得て、画像を事前にトレーニングされたニューラルネットワークモデルに伝送し、ニューラルネットワークモデルによって損傷車両の車両損傷情報を決定することを含み、ただし、車両損傷情報は、例えば、車両の損傷程度、傷などである。
しかしながら、上記の方法で損傷車両に対して損傷評価を行って得られた車両損傷情報の信頼性はニューラルネットワークモデルに大きく依存し、ニューラルネットワークモデルの精度が低いため、損傷評価によって得られた車両損傷情報の正確性が低くなるという技術的課題がある可能性がある。
本開示は、車両損傷評価の信頼性を向上させるための画像に基づく車両損傷評価方法、装置及びシステムを提供する。
本開示の第1の態様によれば、画像に基づく車両損傷評価方法を提供し、損傷車両の損傷評価対象の画像を取得し、前記損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するステップであって、ここで、第1の損傷評価枠は前記損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、前記第1の損傷情報は前記第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、前記損傷評価対象の画像に対する第1の枠選択操作に応答して、前記第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定して出力するステップであって、ここで、前記第2の損傷評価枠で選択された車両損傷画像と前記第1の損傷評価枠で選択された車両損傷画像とが異なり、前記第2の損傷情報は前記第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、を含む。
本開示の第2の態様によれば、画像に基づく車両損傷評価装置を提供し、損傷車両の損傷評価対象の画像を取得するための第1の取得ユニットと、前記損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するための第1の出力ユニットであって、ここで、第1の損傷評価枠は前記損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、前記第1の損傷情報は前記第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である第1の出力ユニットと、前記損傷評価対象の画像に対する第1の枠選択操作に応答して、前記第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定するための決定ユニットであって、ここで、前記第2の損傷評価枠で選択された車両損傷画像と前記第1の損傷評価枠で選択された車両損傷画像とが異なり、前記第2の損傷情報は前記第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である決定ユニットと、前記第2の損傷評価枠と前記第2の損傷情報とを出力するための第2の出力ユニットと、を備える。
本開示の第3の態様によれば、電子機器を提供し、少なくとも1つのプロセッサと、該少なくとも1つのプロセッサと通信可能に接続されるメモリと、を備え、前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶されており、前記命令は、前記少なくとも1つのプロセッサが第1の態様に記載の方法を実行できるように、前記少なくとも1つのプロセッサによって実行される。
本開示の第4の態様によれば、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体を提供し、前記コンピュータ命令は、前記コンピュータに第1の態様に記載の方法を実行させる。
本開示の第5の態様によれば、コンピュータプログラムが含まれるコンピュータプログラム製品を提供し、前記コンピュータプログラムは、読み取り可能な記憶媒体に記憶されており、電子機器の少なくとも1つのプロセッサは、前記読み取り可能な記憶媒体から前記コンピュータプログラムを読み取ることができ、前記少なくとも1つのプロセッサは、電子機器が第1の態様に記載の方法を実行するように、前記コンピュータプログラムを実行する。
本開示の第6の態様によれば、画像に基づく車両損傷評価システムを提供し、画像収集装置と第2の態様に記載の装置とを備え、ここで、前記画像収集装置が損傷車両の損傷評価対象の画像を取得する。
第7の態様によれば、本出願の実施例は、プログラムコードが含まれるコンピュータプログラムを提供し、コンピュータが前記コンピュータプログラムを実行する場合、前記プログラムコードが上記のいずれかの実施例に記載の方法を実行する。
なお、この部分に記載の内容は、本開示の実施例の肝心または重要な特徴を特定することを意図しておらず、本開示の範囲を限定することも意図していない。本開示の他の特徴は、以下の説明を通して容易に理解される。
図面は、本技術案をよりよく理解するために使用され、本開示を限定するものではない。
本開示の第1の実施例に係る概略図である。
本開示の一実施例に係る出力インターフェースの概略図である。
本開示の第2の実施例に係る概略図である。
本開示の別の実施例に係る出力インターフェースの概略図である。
本開示の第3の実施例に係る概略図である。
本開示の第4の実施例に係る概略図である。
本開示の第5の実施例に係る概略図である。
本開示の実施例に係る画像に基づく車両損傷評価方法を実現するための電子機器のブロック図である。
本開示の実施例を実現できる画像に基づく車両損傷評価システムの概略図である。
以下、図面と併せて本開示の例示的な実施例を説明し、理解を容易にするためにその中には本開示の実施例の様々な詳細事項が含まれており、それらは単なる例示的なものと見なされるべきである。したがって、当業者は、本開示の範囲及び精神から逸脱することなく、ここで説明される実施例に対して様々な変更と修正を行うことができることを認識されたい。同様に、明確及び簡潔にするために、以下の説明では、周知の機能及び構造の説明を省略する。
車両損傷評価とは、交通事故が発生した後、車両の損傷状況を特定することを指す。
従来技術では、一般的に使用される車両損傷評価の方法は、人工に基づく車両損傷評価と画像に基づく車両損傷評価という2種類を含む。
ただし、人工に基づく車両損傷評価とは、交通事故が発生した後、専門知識を有するスタッフが現場の交通事故の詳細に基づいて、損傷車両に対して損傷評価を行うことを指す。
しかしながら、上記のような人工的な車両損傷評価の方法を採用するには、専門知識の強いスタッフの現場処理に依存する必要があり、コストが高く、待ち時間が長く、処理効率が低い。
画像に基づく車両損傷評価は以下のことを指す。
損傷車両の画像であるサンプル画像を事前に収集し、サンプル画像に基づいて基礎ネットワークモデルをトレーニングして、車両損傷情報認識モデルを得る(車両損傷情報認識モデルは損傷車両の画像に対して認識して、損傷車両の車両損傷情報を得るために使用される)。
交通事故が発生した後、交通事故による車両損傷の認識対象の画像を取得し、認識対象の画像には損傷車両の損傷部位が含まれ、認識対象の画像を車両損傷情報認識モデルに入力し、車両損傷情報認識モデルによって損傷車両の車両損傷情報を出力する。
損傷車両の画像であるサンプル画像を事前に収集し、サンプル画像に基づいて基礎ネットワークモデルをトレーニングして、車両損傷情報認識モデルを得る(車両損傷情報認識モデルは損傷車両の画像に対して認識して、損傷車両の車両損傷情報を得るために使用される)。
交通事故が発生した後、交通事故による車両損傷の認識対象の画像を取得し、認識対象の画像には損傷車両の損傷部位が含まれ、認識対象の画像を車両損傷情報認識モデルに入力し、車両損傷情報認識モデルによって損傷車両の車両損傷情報を出力する。
しかしながら、上記画像の車両損傷評価の方法を採用すると、一方で、得られた車両損傷情報の信頼性は車両損傷情報認識モデルに大きく依存し、車両損傷情報認識モデルの精度が低いため、損傷評価によって得られた車両損傷情報の正確性が低くなるという技術的課題がある可能性がある。
上記の技術的課題の少なくとも1つを回避するために、本開示の発明者は、創造的に労働し、本開示の発明構想を得た:損傷評価対象の画像に対する枠選択操作を提供するなどのインタラクティブ操作をサポートし、枠選択操作に対応する損傷評価枠、車両損傷画像、および損傷車両の車両損傷情報を決定して出力する。
上記の発明構想に基づいて、本開示は画像に基づく車両損傷評価方法、装置及びシステムを提供し、人工知能の分野に適用され、具体的にコンピュータビジョンと深層学習技術に関し、具体的にインテリジェントクラウドと車両損傷評価のシーンで使用可能であり、車両損傷評価の正確性と信頼性を達する。
図1は、本開示の第1の実施例に係る概略図である。図1に示すように、本開示の実施例に係る画像に基づく車両損傷評価方法は、以下のステップS101~S102を含む。
S101、損傷車両の損傷評価対象の画像を取得し、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力する。
ただし、第1の損傷評価枠は損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、第1の損傷情報は第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
例示的に、本実施例の実行主体は、画像に基づく車両損傷評価装置(以下、車両損傷評価装置と省略する)であってもよく、車両損傷評価装置は、サーバ(ローカルサーバとクラウドサーバを備え、サーバはクラウド制御プラットフォーム、路車協調管理プラットフォーム、センターサブシステム、エッジ計算プラットフォーム、クラウド計算プラットフォームなどであってもよい)であってもよいし、路側機器であってもよいし、端末機器であってもよいし、プロセッサであってもよいし、チップなどであってもよく、本実施例では限定されない。
ただし、路側機器は、例えば、計算機能を有する路側感知機器、路側感知機器に接続される路側計算機器であり、インテリジェント交通路車協調のシステムアーキテクチャでは、路側機器は、路側感知機器と路側計算機器を備え、路側感知機器(例えば路側カメラ)が路側計算機器(例えば路側計算ユニットRSCU)に接続され、路側計算機器がサーバに接続され、サーバは、様々な方式で自動運転または支援運転車両と通信することができる。あるいは、路側感知機器自体が計算機能を含む場合、路側感知機器はサーバに直接接続される。上記の接続は有線または無線であってもよい。
なお、本実施例の「第1の」または「第2の」などは、異なるオブジェクトを区別するためのものであり、オブジェクトを限定するものと理解されない。例えば、第1の損傷評価枠の「第1の」は、後文の第2の損傷評価枠と区別するためのものであり、第1の損傷評価枠を限定すると理解されない。
損傷評価対象の画像は損傷車両の画像で、損傷車両の損傷部位を含む画像である。損傷画像のサイズについて本実施例では限定されず、例えば、損傷画像のサイズは、当該損傷画像を収集する画像収集機器の性能に基づいて決定することができる。別の例では、損傷画像は損傷評価装置の予め設定された需要に基づいて決定することができ、ここでは一々列挙しない。
損傷評価対象の画像の取得については、以下の例を用いて実現することができる。
一例では、車両損傷評価装置は画像収集装置に接続され、画像収集装置から送信された画像を受信することができ、画像は、損傷車両のパノラマ図であってもよいし、損傷位置が含まれる部分図(すなわち損傷評価対象の画像)であってもよい。
画像収集装置から送信された画像が損傷車両のパノラマ図である場合、車両損傷評価装置はパノラマ図に基づいて損傷評価対象の画像を特定することができる。
別の例では、車両損傷評価装置は、画像をロードするツールを提供することができる。ユーザは、この画像をロードするツールを介して画像を車両損傷評価装置に伝送することができる。同様に、この画像をロードするツールを介して伝送された画像は、損傷車両のパノラマ図であってもよいし、損傷位置が含まれる部分図(すなわち損傷評価対象の画像)であってもよい。
ここで、画像をロードするツールは、外部デバイスと接続するためのインターフェース、例えば、他の記憶デバイスを接続するためのインターフェースなどであってもよく、当該インターフェースを介して外部デバイスから伝送された画像を取得する。画像をロードするツールは表示装置であってもよく、例えば、車両損傷評価装置は、表示装置に画像をロードする機能のインターフェースを入力することができる。ユーザは当該インターフェースを介して画像を車両損傷評価装置に導入することができる。車両損傷評価装置は導入された画像(パノラマ画像であるか、損傷評価対象の画像である可能性がある)を取得する。
例示的に、損傷評価対象の画像には車両損傷画像が含まれ、図2に示すように、第1の損傷評価枠は、損傷評価対象の画像から当該部分画像(すなわち車両損傷画像)を枠で選択するために使用される。
また、車両損傷評価装置は、車両損傷画像の車両損傷情報を出力することができる。
例えば、図2に示すように、車両の損傷は具体的には、車両に傷がついて、損傷車両に傷があることであり得、この場合、車両損傷画像に傷が含まれ、車両損傷評価装置から出力された第1の損傷情報は、傷の幅(例えば図2に示す「幅:X」)、傷の長さ(例えば図2に示す「長さ:Y」)、及び傷が属する部品(例えば図2に示す「損傷部品:XX」)などを含むことができる。
本実施例では、第1の損傷情報を決定する方法を限定せず、例えば、画像認識の方式で実現してもよいし、ネットワークモデルの方式などで実現してもよい。
S102、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定して出力する。
ただし、第2の損傷評価枠で選択された車両損傷画像と第1の損傷評価枠で選択された車両損傷画像とは異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
例示的に、上記の例と組み合わせて、ユーザは、出力された損傷評価対象の画像で第1の枠選択操作を行うことができ、それに応じて、車両損傷評価装置は、第1の枠選択操作に基づいて第2の損傷評価枠を生成して出力する。
例えば、車両損傷評価装置は、ユーザの第1の枠選択操作に基づいて、第1の枠選択操作に対応する枠選択軌跡を決定し、枠選択軌跡に基づいて第2の損傷評価枠を生成して出力することができる。
すなわち、車両損傷評価装置は、ユーザの損傷評価対象の画像に対する第1の枠選択操作に基づいて、損傷車両のより多くの車両損傷画像(例えば上記の例では、第2の損傷評価枠で選択された車両損傷画像)を決定することができ、この第1の枠選択操作に基づいて枠で選択された車両損傷画像は、第1の損傷評価枠で選択された車両損傷画像とは異なる車両損傷画像であり、これにより、決定された車両損傷画像の全面性と完全性を向上させることができる。
それに応じて、車両損傷評価装置は、第2の損傷評価枠に基づいて、第2の損傷情報を生成して出力することができる。第2の損傷評価枠で選択された車両損傷画像に基づいて第2の損傷情報を決定する時、本実施例の方法で得られた損傷情報が第1の損傷情報も第2の損傷情報も含むことができることに相当するため、損傷車両の損傷情報を全面的かつ信頼性の高い評価を行うことができ、車両損傷評価の正確性と信頼性を向上させるという技術的効果がある。
上記の分析から分かるように、本実施例は、損傷車両の損傷評価対象の画像を取得し、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するステップであって、第1の損傷評価枠は損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、第1の損傷情報は第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定して出力するステップであって、第2の損傷評価枠で選択された車両損傷画像と第1の損傷評価枠で選択された車両損傷画像とは異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、を含む画像に基づく車両損傷評価方法を提供し、本実施例では、損傷評価対象の画像に対する第1の枠選択操作に基づいて、第2の損傷評価枠及び第2の損傷情報を決定して出力するという技術的特徴が導入され、ユーザとのインタラクションを組み合わせて、車両損傷評価の柔軟性と多様性を実現することができ、また、車両損傷部位の漏れを回避することができ、車両損傷評価ができるだけ多くの車両損傷部位をカバーし、車両損傷評価の全面性と信頼性を向上させることができるという技術的効果がある。
図3は、本開示の第2の実施例に係る概略図である。図3に示すように、本開示の実施例の画像に基づく車両損傷評価方法は、以下のステップS301~S303を含む。
S301、損傷車両の損傷評価対象の画像を取得し、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力する。
ただし、第1の損傷評価枠は損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、第1の損傷情報は第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
例示的に、S301の実現原理については、第1の実施例を参照することができるので、ここでは説明を省略する。
いくつかの実施例では、損傷評価対象の画像の数は複数である。例えば、損傷車両に複数の損傷がある場合、損傷評価対象の画像の数は複数である。
損傷評価対象の画像の数が複数である場合、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報を出力するステップは、以下の第1のステップと第2のステップとを含むことができる。
第1のステップでは、操作アイコンを出力する。
ただし、操作アイコンは車両損傷評価の損傷評価対象の画像を選定するために使用される。
ただし、操作アイコンは車両損傷評価の損傷評価対象の画像を選定するために使用される。
例示的に、図4に示すように、操作アイコンは、図4に示すような「前のページ」、「次のページ」であってもよい。
具体的に、損傷評価対象の画像の数は複数であり、「前のページ」は現在の損傷評価対象の画像の前の損傷評価対象の画像を選定するために使用されることができ、「次のページ」は現在の損傷評価対象の画像の次の損傷評価対象の画像を選定するために使用されることができる。
第2のステップでは、操作アイコンをトリガする関連操作に応答して、複数の損傷評価対象の画像から関連操作に対応する損傷評価対象の画像を決定して出力し、関連操作に対応する損傷評価対象の画像の第1の損傷評価枠、及び関連操作に対応する損傷評価対象の画像の第1の損傷情報を出力する。
一例では、関連操作は、クリック操作であってもよい。
例えば、図4に示すように、ユーザは、「前のページ」の操作アイコンに対してクリック操作を行うことができる。車両損傷評価装置は、このクリック操作に基づいて、現在の損傷評価対象の画像の前の損傷評価対象の画像を出力し、現在の損傷評価対象の画像の前の損傷評価対象の画像によって表される車両損傷情報を出力する。
別の例では、関連操作は、スライド操作であってもよい。
例えば、車両損傷評価装置は、アクセスデバイスを備えることができ、アクセスデバイスはマウスであってもよい。それに応じて、ユーザがマウスのトラックホイールに対してスライド操作を行う時、車両損傷評価装置は、このスライド操作に基づいて、現在の損傷評価対象の画像の前の損傷評価対象の画像を出力し、現在の損傷評価対象の画像の次の損傷評価対象の画像によって表される車両損傷情報を出力し、または、現在の損傷評価対象の画像の次の損傷評価対象の画像を出力し、現在の損傷評価対象の画像の次の損傷評価対象の画像によって表される車両損傷情報を出力する。
別の例では、関連操作はショートカットキー操作であってもよい。
例えば、車両損傷評価装置は、アクセスデバイスを備えることができ、アクセスデバイスはキーボードであってもよい。車両損傷評価装置は、前の損傷評価対象の画像の選定とショートカットキーとの間のマッピング関係、及び次の損傷評価対象の画像の選定とショートカットキーとの間のマッピング関係を事前に記憶することができる。
それに応じて、ユーザがキーボード上のショートカットキーを操作する時、車両損傷評価装置は、トリガされたショートカットキー及びマッピング関係に基づいて、現在の損傷評価対象の画像の次の損傷評価対象の画像によって表される車両損傷情報を決定して出力し、または、現在の損傷評価対象の画像の次の損傷評価対象の画像を出力し、現在の損傷評価対象の画像の次の損傷評価対象の画像によって表される車両損傷情報を出力する。
なお、本実施例では、操作アイコンと関連操作により、第1の損傷評価枠と第1の損傷情報を決定し、損傷車両と損失情報の表示の柔軟性、多様性、および全面性を実現できるという技術的効果がある。
いくつかの実施例では、車両損傷評価装置は、損傷評価対象の画像に対する回転操作をサポートすることもできる。例えば、車両損傷評価装置は、図4に示すような「回転」アイコンを出力し、ユーザが「回転」アイコンをクリックするクリック操作に応答して、車両損傷評価装置は損傷評価対象の画像に対して回転処理を行うことができる。
ただし、回転の角度は、90度回転など、車両損傷評価装置によって事前に設定することができる。
いくつかの実施例では、車両損傷評価装置は、現在の損傷評価対象の画像の番号(図4に示すような「番号:1」)、および損傷評価対象の画像の合計数(図4に示すような「合計数:100」)を出力することもできる。
いくつかの実施例では、第1の損傷評価枠の数は複数である可能性がある。例えば、損傷車両に複数の損傷がある場合、損傷評価対象の画像には複数の損傷車両の損傷画像が含まれる。
図4に示すように、損傷評価対象の画像に3つの第1の損傷評価枠が含まれる場合、車両損傷評価装置は、3つの第1の損傷評価枠のうちの各損傷評価枠に識別子を割り当て、3つの損傷評価枠を出力すると同時に、3つの第1の損傷評価枠にそれぞれ対応する識別子を出力することができる。例えば、図4に示すように、3つの第1の損傷評価枠の識別子はそれぞれA、B、およびCである。
本実施例では、複数の第1の損傷評価枠に対して、識別子を割り当てて出力することにより、ユーザが損傷車両の各損傷領域を知ることができ、ユーザが各損傷領域を容易に認定し、ユーザが損傷領域に対して漏れを補充し、車両損傷評価の全面性と信頼性を向上させるという技術的効果がある。
それに応じて、ユーザは任意の識別子に対して選定操作を行うことができる。車両損傷評価装置は選定操作に基づいて、ユーザが選定した第1の損傷評価枠を決定して、対応する第1の損傷情報を生成する。
一例では、車両損傷評価装置は、ユーザが選定操作をトリガすることをサポートするインターフェースを出力することができる。例えば、車両損傷評価装置は、図4に示すような「損傷領域選択」を含むドロップダウンアイコンを出力することができる。ユーザはこのドロップダウンアイコンをドロップダウンすることによって対応する第1の損傷評価枠を選択することができる。
図4に示すように、ユーザが「損傷領域選択」というドロップダウンアイコンによって第1の損傷評価枠を選定する時、車両損傷評価装置は、選定された第1の損傷評価枠に対応する第1の損傷情報を出力することができる。例えば、選定された第1の損傷評価枠がAである場合、車両損傷評価装置は、Aにおける損傷画像に対して認識して、Aにおける損傷画像によって指示された車両損傷画像の車両損傷情報(図4に示すような「車両損傷情報」であり、車両損傷情報の具体的な内容は上記の例を参照することができる)を得る。
別の例では、上記の例と組み合わせて、車両損傷評価装置はマウスを備えることができる。この場合、選定操作はマウスによって実現することができる。例えば、マウスが特定の第1の損傷評価枠に留まる時間が事前に設定された時間閾値より大きい場合、選定操作がトリガされたと決定し、車両測位装置は、留まる時間が時間閾値より大きい第1の損傷評価枠を選定された第1の損傷評価枠として決定し、この第1の損傷評価枠に対応する車両損傷情報を生成して出力することができる。
別の例では、上記の例と組み合わせて、車両損傷評価装置はキーボードを備えることができる。この場合、車両損傷評価装置は、識別子とショートカットキーとの間のマッピング関係を事前に確立し、ユーザのショートカットキーに対する操作、及び当該マッピング関係に基づいて、選定された第1の損傷評価枠を決定することができる。
本実施例では、ユーザは第1の損傷評価枠を自由に選択し、選定された第1の損傷評価枠に対応する第1の損傷情報をインターフェース読み取りで知ることができるため、第1の損傷情報を提供する柔軟性と多様性を向上させるという技術的効果がある。
S302、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定して出力する。
ただし、第2の損傷評価枠で選択された車両損傷画像と第1の損傷評価枠で選択された車両損傷画像とは異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
例示的に、S302の実現原理については、第1の実施例を参照することができるので、ここでは説明を省略する。
S303、調整対象の損傷情報の修正情報を取得して記憶する。
ただし、調整対象の損傷情報は第1の損傷情報及び/又は第2の損傷情報を含む。
上記関連技術に対する説明から分かるように、関連技術では、第1の損傷情報と第2の損傷情報は既定の情報であり、すなわち、車両損傷評価装置が第1の損傷情報と第2の損傷情報を機械的に出力し、第1の損傷情報と第2の損傷情報を適応的に調整することができない。本実施例では、修正情報を取得して記憶するという特徴が導入され、当該導入された特徴により、第1の損傷情報と第2の損傷情報に対する処理の柔軟性を実現し、第1の損傷情報と第2の損傷情報の正確性と信頼性を向上させることができるという技術的効果がある。
例えば、図4に示すように、車両損傷評価装置は、修正情報を出力することをサポートするためのインターフェースを提供することができる。ユーザは、このインターフェースを介して第1の損傷情報及び/又は第2の損傷情報に対して修正操作を行うことができる。車両損傷評価装置は、ユーザの修正操作に基づいて修正情報を生成して記憶する。
いくつかの実施例では、調整損傷情報は、複数の損傷カテゴリにそれぞれ対応する調整対象の損傷情報を含む。
例示的に、損傷カテゴリは、図4に示すような「損傷程度」、「損傷深さ」などであってもよい。また、損傷カテゴリには、サブカテゴリが含まれることができる。図4に示すように、「損傷程度」は、「軽度」、「中度」、及び「重度」というサブカテゴリを含み、「損傷深さ」は、「軽い」、「深い」、「非常に深い」というサブカテゴリを含み、軽い(≦1cm)などのサブカテゴリに対応する詳細情報を表示することができる。
それに応じて、S303は以下の第1のステップと第2のステップとを含むことができる。
第1のステップでは、第1の損傷カテゴリの調整対象の損傷情報に対する修正情報を取得し、第1の損傷カテゴリの調整対象の損傷情報に対する修正情報に基づいて、第2の損傷カテゴリの調整対象の損傷情報の修正情報を決定する。
ただし、複数の損傷カテゴリは第1の損傷カテゴリと第2の損傷カテゴリとを含み、第2の損傷カテゴリと第1の損傷カテゴリとは調整関連関係がある。
調整関連関係とは、一方の損傷カテゴリの損傷情報の修正により、他方の損傷カテゴリの損傷情報が自動的に変化することを指す。
例示的に、若1つの損傷カテゴリが第1の選定枠で選択された損傷画像によって指示された損傷車両の部品面積(図4に示す「部品面積」)であり、別の損傷カテゴリが第1の選定枠で選択された損傷画像によって指示された損傷車両の損傷面積(図4に示す「損傷面積」、この損傷面積は上記の例の傷の面積であってもよい)であり、もう1つの損傷カテゴリが損傷面積と部品面積との比(図4に示す「面積割合」)である場合、部品面積が変化すると、面積割合も変化する。
別の実施例では、車両損傷評価装置は現在情報を保存するための保存アイコン、例えば図4に示すような「保存」を提供することができる。
別の実施例では、車両損傷評価装置は、損傷位置及び損傷部品などを選択するために、損傷位置、損傷部品などを選択するためのアイコンを提供することもできる。
なお、図4は単に例示的に説明するためのものであり、車両損傷評価装置がサポートできる対応する操作と表示効果は、車両損傷評価装置の機能に対する限定として理解されない。
第2のステップでは、第1の損傷カテゴリの調整対象の損傷情報の修正情報、および第2の損傷カテゴリの調整対象の損傷情報の修正情報をそれぞれ記憶する。
本実施例では、調整関連関係を組み合わせて、調整関連関係がある異なる損傷カテゴリの調整対象の損傷情報の修正情報を決定することにより、効率と柔軟性を向上させるという技術的効果を実現できる。
別の実施例では、S303は、損傷評価枠に対する第2の枠選択操作に応答して、第3の損傷評価枠を決定し、第3の損傷評価枠の属性情報を決定するステップであって、損傷評価枠は前記第1の損傷評価枠、または、第2の損傷評価枠であるステップと、属性情報に基づいて調整対象の損傷情報に対する修正情報を決定して記憶するステップと、を含む。
属性情報は、第3の損傷評価枠で選択された車両損傷画像によって指示された車両部品の損傷サイズを表すことができる。具体的には、第3の損傷評価枠で選択された車両損傷画像のピクセル情報により、ピクセル情報に基づいて車両部品の損傷サイズを決定することができる。
それに応じて、車両損傷評価装置は、上記の車両部品の損傷サイズに基づいて、面積割合(すなわち、修正情報)を再決定して記憶することができる。
本実施例では、車両損傷評価装置は、ユーザの第2の枠選択操作に基づいて、修正情報を簡単かつ迅速に決定して記憶することができるため、車両損傷評価の柔軟性を向上させ、ユーザの修正ニーズを満たし、車両損傷評価の正確性と信頼性を向上させるという技術的効果がある。
図5は、本開示の第3の実施例に係る概略図である。図5に示すように、本開示の実施例の画像に基づく車両損傷評価方法は、以下のステップS501~504を含む。
S501、損傷車両の損傷評価対象の画像を取得し、損傷評価対象の画像に基づいて第1の損傷評価枠を出力し、事前にトレーニングされたニューラルネットワークモデルに基づいて、第1の損傷評価枠で選択された損傷評価対象の画像における車両損傷画像に対して認識して、第1の損傷情報を取得する。
ただし、第1の損傷評価枠は損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、第1の損傷情報は第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
本実施例では、車両損傷評価装置には、車両損傷画像を認識して対応する損傷情報を取得するための事前にトレーニングされたニューラルネットワークモデルが設けられることができる。ニューラルネットワークモデルのトレーニングについては、関連技術を参照することができるので、ここでは説明を省略する。
なお、いくつかの実施例では、損傷評価対象の画像をニューラルネットワークモデルに入力し、ニューラルネットワークモデルによって第1の損傷評価枠と第1の損傷情報とを出力することができる。
すなわち、第1の損傷評価枠は、他の認識方法(例えば、光学文字認識OCR)によって生成して出力されてもよいし、ニューラルネットワークモデルに基づいて生成して出力されてもよく、本実施例では限定されない。
S502、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠を決定して出力し、ニューラルネットワークモデルに基づいて、第2の損傷評価枠で選択された損傷評価対象の画像における車両損傷画像に対して認識して、第2の損傷情報を取得する。
ただし、第2の損傷評価枠で選択された車両損傷画像と第1の損傷評価枠で選択された車両損傷画像とは異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
同様に、このステップにおいて、第2の損傷評価枠は、ニューラルネットワークモデルによって決定されてもよいし、他の方法で決定されてもよく、本実施例では限定されない。
S503、調整対象の損傷情報に対する修正情報を取得して記憶する。
ただし、調整対象の損傷情報は第1の損傷情報及び/又は第2の損傷情報を含む。
例示的に、S503の実現原理については、第2の実施例を参照することができるので、ここでは説明を省略する。
S504、調整対象の損傷情報に対する記憶された修正情報に基づいて、ニューラルネットワークモデルを最適化する。
一例では、ニューラルネットワークモデルを最適化するためのサンプルデータセットを取得し、調整対象の損傷情報の修正情報をサンプルデータセットの標準認識結果として、ニューラルネットワークモデルを最適化することができる。
別の例では、調整対象の損傷情報の修正情報を検証データセットとして、ニューラルネットワークモデルを最適化することができる。
なお、実施例では、調整対象の損傷情報の修正情報を組み合わせてニューラルネットワークモデルを最適化することにより、最適化されたニューラルネットワークモデルの認識精度を向上させ、さらに車両損傷評価の正確性と正確性を向上させることができるという技術的効果がある。
図6は、本開示の第4の実施例に係る概略図である。図6に示すように、本開示の実施例の画像に基づく車両損傷評価装置は、損傷車両の損傷評価対象の画像を取得するための第1の取得ユニット601と、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するための第1の出力ユニット602であって、第1の損傷評価枠は損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、第1の損傷情報は第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である第1の出力ユニット602と、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定するための決定ユニット603であって、第2の損傷評価枠で選択された車両損傷画像と前記第1の損傷評価枠で選択された車両損傷画像とが異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である決定ユニット603と、第2の損傷評価枠と第2の損傷情報とを出力するための第2の出力ユニット604と、を備える。
図7は本開示の第5の実施例に係る概略図である。図7に示すように、本開示の実施例の画像に基づく車両損傷評価装置は、以下のユニットを備える。
第1の取得ユニット701は、損傷車両の損傷評価対象の画像を取得する。
第1の出力ユニット702は、損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力する。第1の損傷評価枠は損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、第1の損傷情報は第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
図7から分かるように、いくつかの実施例では、損傷評価対象の画像の数は複数であり、第1の出力ユニット702は、操作アイコンを出力するための第1の出力サブユニット7021であって、操作アイコンは車両損傷評価の損傷評価対象の画像を選定するために使用される第1の出力サブユニット7021と、操作アイコンをトリガする関連操作に応答して、複数の損傷評価対象の画像から関連操作に対応する損傷評価対象の画像を決定するための第1の決定サブユニット7022と、関連操作に対応する損傷評価対象の画像、関連操作に対応する損傷評価対象の画像の第1の損傷評価枠、及び関連操作に対応する損傷評価対象の画像の第1の損傷情報を出力するための第2の出力サブユニット7023と、を備える。
図7から分かるように、いくつかの実施例では、第1の損傷評価枠の数は複数であり、第1の出力ユニット702は、各第1の損傷評価枠に識別子を割り当てるための割り当てサブユニット7024と、各第1の損傷評価枠を出力する時、各第1の損傷評価枠の識別子を出力するための第3の出力サブユニット7025と、任意の識別子に対する取得された選定操作に応答して、選定操作に基づいて任意の識別子の第1の損傷評価枠を決定するための第2の決定サブユニット7026と、任意の識別子の第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報を生成するための生成サブユニット7027と、任意の識別子の第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報を出力するための第4の出力サブユニット7028と、を備える。
決定ユニット703は、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定する。第2の損傷評価枠で選択された車両損傷画像と前記第1の損傷評価枠で選択された車両損傷画像とが異なり、第2の損傷情報は第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である。
第2の出力ユニット704は、第2の損傷評価枠と第2の損傷情報とを出力する。
第2の取得ユニット705は、調整対象の損傷情報に対する修正情報を取得する。調整対象の損傷情報は第1の損傷情報及び/又は第2の損傷情報を含む。
記憶ユニット706は、調整対象の損傷情報に対する修正情報を記憶する。
図7から分かるように、いくつかの実施例では、調整対象の損傷情報は、複数の損傷カテゴリにそれぞれ対応する調整対象の損傷情報を含み、第2の取得ユニット705は、第1の損傷カテゴリの調整対象の損傷情報に対する修正情報を取得するための取得サブユニット7051と、第1の損傷カテゴリの調整対象の損傷情報に対する修正情報に基づいて、第2の損傷カテゴリの調整対象の損傷情報の修正情報を決定するための第3の決定サブユニット7052であって、複数の損傷カテゴリは第1の損傷カテゴリと第2の損傷カテゴリとを含み、第2の損傷カテゴリと第1の損傷カテゴリとは調整関連関係がある第3の決定サブユニット7052と、を備える。
記憶ユニット706は、第1の損傷カテゴリの調整対象の損傷情報の修正情報、および第2の損傷カテゴリの調整対象の損傷情報の修正情報をそれぞれ記憶する。
別の実施例では、取得ユニット705は、損傷評価枠に対する第2の枠選択操作に応答して、第3の損傷評価枠を決定し、第3の損傷評価枠の属性情報を決定する。ただし、損傷評価枠は第1の損傷評価枠、または、第2の損傷評価枠である。
記憶ユニット706は、属性情報に基づいて、調整対象の損傷情報に対する修正情報を決定して記憶する。
最適化ユニット707は、調整対象の損傷情報に対する記憶された修正情報に基づいて、ニューラルネットワークモデルを最適化する。
ただし、損傷情報は、事前にトレーニングされたニューラルネットワークモデルに基づいて決定され、損傷情報は第1の損傷情報、第2の損傷情報を含む。
記憶ユニット706は、属性情報に基づいて、調整対象の損傷情報に対する修正情報を決定して記憶する。
最適化ユニット707は、調整対象の損傷情報に対する記憶された修正情報に基づいて、ニューラルネットワークモデルを最適化する。
ただし、損傷情報は、事前にトレーニングされたニューラルネットワークモデルに基づいて決定され、損傷情報は第1の損傷情報、第2の損傷情報を含む。
本開示の実施例によれば、本開示は、電子機器、及び読み取り可能な記憶媒体をさらに提供する。
本開示の実施例によれば、本開示は、コンピュータプログラムが含まれるコンピュータプログラム製品をさらに提供し、前記コンピュータプログラムは、読み取り可能な記憶媒体に記憶されており、電子機器の少なくとも1つのプロセッサは、読み取り可能な記憶媒体からコンピュータプログラムを読み取ることができ、少なくとも1つのプロセッサは、電子機器が上記のいずれかの実施例によって提供される方案を実行するように、コンピュータプログラムを実行する。
図8は、本開示の実施例を実行するための例示的な電子機器800の概略ブロック図である。電子機器は、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、メインフレームコンピュータ、および他の適切なコンピュータなどの様々な形態のデジタルコンピュータを表すことを目的とする。電子機器は、パーソナルデジタル処理、携帯電話、スマートフォン、ウェアラブルデバイス、および他の同様のコンピューティングデバイスなどの様々な形態のモバイルデバイスを表すこともできる。本明細書で示される部品、それらの接続と関係、およびそれらの機能は、単なる例であり、本明細書の説明および/または求められる本開示の実現を制限することを意図したものではない。
図8に示すように、電子機器800は、読み取り専用メモリ(ROM)802に記憶されているコンピュータプログラムまたは記憶ユニット808からランダムアクセスメモリ(RAM)803にロードされたコンピュータプログラムに従って様々な適切な動作および処理を実行できる計算ユニット801を備える。RAM803には、電子機器800の動作に必要な各種のプログラムやデータも記憶されてもよい。計算ユニット801、ROM802、及びRAM803は、バス804を介して互いに接続されている。バス804には、入力/出力(I/O)インターフェース805も接続されている。
機器800の複数のコンポーネントはI/Oインターフェース805に接続され、キーボード、マウスなどの入力ユニット806、各タイプのディスプレイ、スピーカなどの出力ユニット807、磁気ディスク、光ディスクなどの記憶ユニット808、およびネットワークカード、モデム、無線通信トランシーバなどの通信ユニット809を備える。通信ユニット809は、機器800が、インターネットなどのコンピュータネットワークおよび/または各種の電信ネットワークを介して他のデバイスと情報/データを交換することを可能にする。
計算ユニット801は、処理および計算能力を有する様々な汎用および/または専用の処理コンポーネントであってもよい。計算ユニット801のいくつかの例は、中央処理ユニット(CPU)、グラフィック処理ユニット(GPU)、各種の専用の人工知能(AI)計算チップ、各種のマシン運転学習モデルアルゴリズムの計算ユニット、デジタル信号プロセッサ(DSP)、およびいずれかの適切なプロセッサ、コントローラ、マイクロコントローラなどを含むが、これらに限定されない。計算ユニット801は、前文に記載の各方法及び処理、例えば、画像に基づく車両損傷評価方法を実行する。例えば、いくつかの実施例では、画像に基づく車両損傷評価方法を、記憶ユニット808などの機械読み取り可能な媒体に有形的に含まれるコンピュータソフトウェアプログラムとして実現することができる。いくつかの実施例では、コンピュータプログラムの一部または全部はROM 802及び/又は通信ユニット809を介して電子機器800にロード及び/又はインストールされてもよい。コンピュータプログラムがRAM 803にロードされ、計算ユニット801によって実行される場合、前文に記載の画像に基づく車両損傷評価方法の1つのまたは複数のステップが実行されてもよい。代替的に、他の実施例では、計算ユニット801は画像に基づく車両損傷評価方法を実行するように、他のいずれかの適切な方式(例えば、ファームウェアを介して)によって構成されてもよい。
本明細書で記載のシステムと技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ(FPGA)、特定用途向け集積回路(ASIC)、特定用途向け標準製品(ASSP)、システムオンチップ(SOC)、コンプレックス・プログラマブル・ロジック・デバイス(CPLD)、コンピュータハードウェア、ファームウェア、ソフトウェア、および/またはそれらの組み合わせで実現することができる。これらの様々な実施形態は、1つ又は複数のコンピュータプログラムで実施されることを含むことができ、当該1つ又は複数のコンピュータプログラムは、少なくとも1つのプログラマブルプロセッサを備えるプログラム可能なシステムで実行および/または解釈されることができ、当該プログラマブルプロセッサは、特定用途向け又は汎用プログラマブルプロセッサであってもよく、ストレージシステム、少なくとも1つの入力装置、および少なくとも1つの出力装置からデータおよび命令を受信し、データおよび命令を当該ストレージシステム、当該少なくとも1つの入力装置、および当該少なくとも1つの出力装置に伝送することができる。
本開示の方法を実行するためのプログラムコードは、1つ又は複数のプログラミング言語の任意の組み合わせで書くことができる。これらのプログラムコードは、プロセッサ又はコントローラによって実行される場合、フローチャートおよび/またはブロック図に規定された機能/操作が実施されるように、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサ又はコントローラに提供されてもよい。プログラムコードは、完全に機械上で実行されるか、部分的に機械上で実行されるか、スタンドアロンソフトウェアパッケージとして、部分的に機械上で実行され、部分的にリモート機械上で実行され又は完全にリモート機械又はサーバ上で実行されてもよい。
本開示のコンテクストでは、機械読み取り可能な媒体は、命令実行システム、装置、またはデバイスによって使用されるために、又は命令実行システム、装置、またはデバイスと組み合わせて使用するためのプログラムを含むか、又は記憶することができる有形の媒体であってもよい。機械読み取り可能な媒体は、機械読み取り可能な信号媒体または機械読み取り可能な記憶媒体であってもよい。機械読み取り可能な媒体は、電子的、磁気的、光学的、電磁気的、赤外線的、又は半導体システム、装置又はデバイス、または上記コンテンツの任意の適切な組み合わせを含むことができるが、これらに限定されない。機械読み取り可能な記憶媒体のより具体的な例は、1つ又は複数のラインに基づく電気的接続、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ(RAM)、リードオンリーメモリ(ROM)、消去可能プログラマブルリードオンリーメモリ(EPROM又はフラッシュメモリ)、光ファイバ、ポータブルコンパクトディスクリードオンリーメモリ(CD-ROM)、光学記憶装置、磁気記憶装置、または上記コンテンツの任意の適切な組み合わせを含む。
ユーザとのインタラクションを提供するために、コンピュータ上でここで説明されるシステム及び技術を実施することができ、当該コンピュータは、ユーザに情報を表示するためのディスプレイ装置(例えば、CRT(陰極線管)又はLCD(液晶ディスプレイ)モニタ)と、キーボード及びポインティングデバイス(例えば、マウス又はトラックボール)とを有し、ユーザは、当該キーボード及び当該ポインティングデバイスによって入力をコンピュータに提供することができる。他の種類の装置も、ユーザとのインタラクションを提供することができ、例えば、ユーザに提供されるフィードバックは、任意の形式のセンシングフィードバック(例えば、ビジョンフィードバック、聴覚フィードバック、又は触覚フィードバック)であってもよく、任意の形式(音響入力と、音声入力、または、触覚入力とを含む)でユーザからの入力を受信することができる。
ここで説明されるシステムおよび技術は、バックエンドコンポーネントを備えるコンピューティングシステム(例えば、データサーバとする)、又はミドルウェアコンポーネントを備えるコンピューティングシステム(例えば、アプリケーションサーバ)、又はフロントエンドコンポーネントを備えるコンピューティングシステム(例えば、グラフィカルユーザインターフェース又はウェブブラウザを有するユーザコンピュータ、ユーザは、当該グラフィカルユーザインターフェース又は当該ウェブブラウザによってここで説明されるシステムおよび技術の実施形態とインタラクションできる)、又はこのようなバックエンドコンポーネントと、ミドルウェアコンポーネントと、フロントエンドコンポーネントのいずれかの組み合わせを備えるコンピューティングシステムで実行することができる。任意の形態又は媒体のデジタルデータ通信(例えば、通信ネットワーク)によってシステムのコンポーネントを相互に接続することができる。通信ネットワークの例は、ローカルエリアネットワーク(LAN)と、ワイドエリアネットワーク(WAN)と、インターネットと、を含む。
コンピュータシステムは、クライアントとサーバを備えることができる。クライアントとサーバは、一般に、互いに離れており、通常に通信ネットワークを介してインタラクションする。対応するコンピュータ上で実行され、互いにクライアント-サーバ関係を有するコンピュータプログラムによってクライアントとサーバとの関係が生成される。サーバはクラウドサーバであってもよく、クラウドコンピューティングサーバまたはクラウドホストとも呼ばれ、クラウドコンピューティングサービスシステムにおける1つのホスト製品であり、従来の物理ホストとVPSサービス(「Virtual Private Server」、または「VPS」と省略する)に存在する管理の難しさ、ビジネス拡張性の弱いという欠陥を解決した。サーバは分散システムのサーバであってもよく、ブロックチェーンを組み込んだサーバであってもよい。
本開示の実施例の別の態様によれば、本開示の実施例は、画像に基づく車両損傷評価システムをさらに提供し、画像収集装置と、上記の任意の実施例に記載の画像に基づく車両損傷評価装置とを含み、ここで、画像収集装置は、損傷車両の損傷評価対象の画像を取得する。
例示的に、図9に示すように、第1の車両901と第2の車両902が道路903を走行し、第1の車両901の車速が相対的に遅く、第2の車両902の車速が相対的に速いため、追突交通事件が発生した。
画像収集装置(図示せず、画像収集装置はカメラなどの撮影機能を有する装置であってもよい)は、損傷車両の損傷評価対象の画像を取得し、損傷評価対象の画像を画像に基づく車両損傷評価装置904に送信する。
図9に示すように、画像に基づく車両損傷評価装置904は、サーバ9041とディスプレイ9042とを備える。
ただし、サーバ9041は、損傷評価対象の画像に基づいて、第1の損傷評価枠と第1の損傷評価情報とを決定し、損傷評価対象の画像、第1の損傷評価枠、および第1の損傷評価情報を出力するようにディスプレイ9042を制御する。
また、サーバ9041は、損傷評価対象の画像に対する第1の枠選択操作に応答して、第1の枠選択操作に対応する第2の損傷評価枠を決定し、第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報(すなわち第2の損傷情報)を決定し、第2の損傷評価枠及び第2の損傷情報を出力するようにディスプレイ9042を制御する。
いくつかの実施例では、第1の枠選択操作は、サーバ9041がディスプレイ9042に対して監視して得られる。すなわち、サーバ9041は、ユーザがディスプレイ9042に基づいて第1の枠選択操作を実行することを監視することができる。
同様に、図4に示すように、サーバ9041は、他のコンテンツを表示するようにディスプレイ9042を制御することもでき、ここでは一々列挙しない。
いくつかの実施例では、画像に基づく車両損傷評価装置904は、マウス、キーボードなどの外部デバイスを備えることもでき、マウスとキーボードについての説明は、上記の実施例を参照することができ、ここでは説明を省略する。
本開示の別の態様によれば、本出願の実施例は、プログラムコードが含まれるコンピュータプログラムをさらに提供し、コンピュータが前記コンピュータプログラムを実行する場合、前記プログラムコードが上記のいずれかの実施例に記載の方法を実行する。
なお、上記に示される様々な形式のフローを使用して、ステップを並べ替え、追加、又は削除することができることを理解されたい。例えば、本出願に記載の各ステップは、並列に実行されてもよいし、順次実行されてもよいし、異なる順序で実行されてもよいが、本開示によって提供される技術案が所望の結果を実現することができれば、本明細書ではここで限定されない。
上記具体的な実施形態は、本開示の保護範囲を制限するものではない。当業者は、設計要求と他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション、及び代替を行うことができると理解されたい。任意の本開示の精神と原則内で行われる修正、同等の置換、及び改善などは、いずれも本開示の保護範囲内に含まれなければならない。
例えば、車両損傷評価装置は、アクセスデバイスを備えることができ、アクセスデバイスはマウスであってもよい。それに応じて、ユーザがマウスのトラックホイールに対してスライド操作を行う時、車両損傷評価装置は、このスライド操作に基づいて、現在の損傷評価対象の画像の前の損傷評価対象の画像を出力し、現在の損傷評価対象の画像の前の損傷評価対象の画像によって表される車両損傷情報を出力し、または、現在の損傷評価対象の画像の次の損傷評価対象の画像を出力し、現在の損傷評価対象の画像の次の損傷評価対象の画像によって表される車両損傷情報を出力する。
別の例では、上記の例と組み合わせて、車両損傷評価装置はマウスを備えることができる。この場合、選定操作はマウスによって実現することができる。例えば、マウスが特定の第1の損傷評価枠に留まる時間が事前に設定された時間閾値より大きい場合、選定操作がトリガされたと決定し、車両損傷評価装置は、留まる時間が時間閾値より大きい第1の損傷評価枠を選定された第1の損傷評価枠として決定し、この第1の損傷評価枠に対応する車両損傷情報を生成して出力することができる。
いくつかの実施例では、調整対象の損傷情報は、複数の損傷カテゴリにそれぞれ対応する調整対象の損傷情報を含む。
なお、実施例では、調整対象の損傷情報の修正情報を組み合わせてニューラルネットワークモデルを最適化することにより、最適化されたニューラルネットワークモデルの認識精度を向上させ、さらに車両損傷評価の正確性を向上させることができるという技術的効果がある。
別の実施例では、取得ユニット705は、損傷評価枠に対する第2の枠選択操作に応答して、第3の損傷評価枠を決定し、第3の損傷評価枠の属性情報を決定する。ただし、損傷評価枠は第1の損傷評価枠、または、第2の損傷評価枠である。
記憶ユニット706は、属性情報に基づいて、調整対象の損傷情報に対する修正情報を決定して記憶する。
最適化ユニット707は、調整対象の損傷情報に対する記憶された修正情報に基づいて、ニューラルネットワークモデルを最適化する。
ただし、損傷情報は、事前にトレーニングされたニューラルネットワークモデルに基づいて決定され、損傷情報は第1の損傷情報及び第2の損傷情報を含む。
記憶ユニット706は、属性情報に基づいて、調整対象の損傷情報に対する修正情報を決定して記憶する。
最適化ユニット707は、調整対象の損傷情報に対する記憶された修正情報に基づいて、ニューラルネットワークモデルを最適化する。
ただし、損傷情報は、事前にトレーニングされたニューラルネットワークモデルに基づいて決定され、損傷情報は第1の損傷情報及び第2の損傷情報を含む。
Claims (21)
- 損傷車両の損傷評価対象の画像を取得し、前記損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するステップであって、第1の損傷評価枠は前記損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、前記第1の損傷情報は前記第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、
前記損傷評価対象の画像に対する第1の枠選択操作に応答して、前記第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定して出力するステップであって、前記第2の損傷評価枠で選択された車両損傷画像と前記第1の損傷評価枠で選択された車両損傷画像とが異なり、前記第2の損傷情報は前記第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報であるステップと、
を含む、画像に基づく車両損傷評価方法。 - 前記損傷評価対象の画像の数が複数である場合、
前記損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するステップが、
車両損傷評価の損傷評価対象の画像を選定するための操作アイコンを出力するステップと、
前記操作アイコンをトリガする関連操作を応答して、前記複数の損傷評価対象の画像から前記関連操作に対応する損傷評価対象の画像を決定して出力し、前記関連操作に対応する損傷評価対象の画像の第1の損傷評価枠、及び前記関連操作に対応する損傷評価対象の画像の第1の損傷情報を出力するステップと、
を含む請求項1に記載の方法。 - 前記第1の損傷評価枠の数が複数である場合、
前記損傷評価対象の画像に基づいて第1の損傷評価枠を出力するステップが、
各前記第1の損傷評価枠に識別子を割り当て、各前記第1の損傷評価枠を出力する時、各前記第1の損傷評価枠の識別子を出力するステップを含む請求項1または2に記載の方法。 - 前記損傷評価対象の画像に基づいて第1の損傷情報を出力するステップが、
任意の識別子に対する取得された選定操作に応答して、前記選定操作に基づいて前記任意の識別子の第1の損傷評価枠を決定し、前記任意の識別子の第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報を生成して出力するステップを含む請求項3に記載の方法。 - 調整対象の損傷情報に対する修正情報を取得して記憶するステップであって、前記調整対象の損傷情報は前記第1の損傷情報及び/又は前記第2の損傷情報を含むステップを含む請求項1から4のいずれか一項に記載の方法。
- 前記調整対象の損傷情報は、複数の損傷カテゴリにそれぞれ対応する調整対象の損傷情報を含み、
調整対象の損傷情報に対する修正情報を取得して記憶するステップが、
第1の損傷カテゴリの調整対象の損傷情報に対する修正情報を取得し、第1の損傷カテゴリの調整対象の損傷情報に対する修正情報に基づいて、第2の損傷カテゴリの調整対象の損傷情報の修正情報を決定するステップであって、前記複数の損傷カテゴリが前記第1の損傷カテゴリと前記第2の損傷カテゴリとを含み、前記第2の損傷カテゴリと前記第1の損傷カテゴリとは調整関連関係があるステップと、
第1の損傷カテゴリの調整対象の損傷情報の修正情報、および第2の損傷カテゴリの調整対象の損傷情報の修正情報をそれぞれ記憶するステップと、
を含む請求項5に記載の方法。 - 調整対象の損傷情報の修正情報を取得して記憶するステップが、
損傷評価枠に対する第2の枠選択操作に応答して、第3の損傷評価枠を決定し、前記第3の損傷評価枠の属性情報を決定するステップであって、前記損傷評価枠は前記第1の損傷評価枠、または前記第2の損傷評価枠であるステップと、
前記属性情報に基づいて、前記調整対象の損傷情報に対する修正情報を決定して記憶するステップと、
を含む請求項5に記載の方法。 - 損傷情報が、事前にトレーニングされたニューラルネットワークモデルに基づいて決定され、前記損傷情報が、前記第1の損傷情報、前記第2の損傷情報を含み、
前記方法が、
調整対象の損傷情報に対する記憶された修正情報に基づいて、前記ニューラルネットワークモデルを最適化するステップを含む請求項5から7のいずれか一項に記載の方法。 - 損傷車両の損傷評価対象の画像を取得するための第1の取得ユニットと、
前記損傷評価対象の画像に基づいて第1の損傷評価枠と第1の損傷情報とを出力するための第1の出力ユニットであって、第1の損傷評価枠は前記損傷評価対象の画像における車両損傷画像を枠で選択するために使用され、前記第1の損傷情報は前記第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報である第1の出力ユニットと、
前記損傷評価対象の画像に対する第1の枠選択操作に応答して、前記第1の枠選択操作に対応する第2の損傷評価枠、及び第2の損傷情報を決定するための決定ユニットであって、前記第2の損傷評価枠で選択された車両損傷画像と前記第1の損傷評価枠で選択された車両損傷画像とが異なり、前記第2の損傷情報は前記第2の損傷評価枠によって指示された車両損傷画像の車両損傷情報である決定ユニットと、
前記第2の損傷評価枠と前記第2の損傷情報とを出力するための第2の出力ユニットと、
を備える、画像に基づく車両損傷評価装置。 - 前記損傷評価対象の画像の数が複数である場合、
前記第1の出力ユニットが、
車両損傷評価の損傷評価対象の画像を選定するための操作アイコンを出力するための第1の出力サブユニットと、
前記操作アイコンをトリガする関連操作を応答して、前記複数の損傷評価対象の画像から前記関連操作に対応する損傷評価対象の画像を決定するための第1の決定サブユニットと、
前記関連操作に対応する損傷評価対象の画像、前記関連操作に対応する損傷評価対象の画像の第1の損傷評価枠、及び前記関連操作に対応する損傷評価対象の画像の第1の損傷情報を出力するための第2の出力サブユニットと、
を備える請求項9に記載の装置。 - 前記第1の損傷評価枠の数が複数である場合、
前記第1の出力ユニットが、
各前記第1の損傷評価枠に識別子を割り当てるための割り当てサブユニットと、
各前記第1の損傷評価枠を出力する時、各前記第1の損傷評価枠の識別子を出力するための第3の出力サブユニットと、
を備える請求項9または10に記載の装置。 - 前記第1の出力ユニットが、
任意の識別子に対する取得された選定操作に応答して、前記選定操作に基づいて前記任意の識別子の第1の損傷評価枠を決定するための第2の決定サブユニットと、
前記任意の識別子の第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報を生成するための生成サブユニットと、
前記任意の識別子の第1の損傷評価枠によって指示された車両損傷画像の車両損傷情報を出力するための第4の出力サブユニットと、
を備える請求項11に記載の装置。 - 調整対象の損傷情報に対する修正情報を取得するための第2の取得ユニットであって、前記調整対象の損傷情報は前記第1の損傷情報及び/又は前記第2の損傷情報を含む第2の取得ユニットと、
調整対象の損傷情報に対する修正情報を記憶するための記憶ユニットと、
を備える請求項9から12のいずれか一項に記載の装置。 - 前記調整対象の損傷情報が、複数の損傷カテゴリにそれぞれ対応する調整対象の損傷情報を含み、
前記第2の取得ユニットが、
第1の損傷カテゴリの調整対象の損傷情報に対する修正情報を取得するための取得サブユニットと、
第1の損傷カテゴリの調整対象の損傷情報に対する修正情報に基づいて、第2の損傷カテゴリの調整対象の損傷情報の修正情報を決定するための第3の決定サブユニットであって、前記複数の損傷カテゴリが前記第1の損傷カテゴリと前記第2の損傷カテゴリとを含み、前記第2の損傷カテゴリと前記第1の損傷カテゴリとは調整関連関係がある第3の決定サブユニットと、
を含み、
前記記憶ユニットが、第1の損傷カテゴリの調整対象の損傷情報の修正情報、および第2の損傷カテゴリの調整対象の損傷情報の修正情報をそれぞれ記憶する請求項13に記載の装置。 - 前記取得ユニットが、損傷評価枠に対する第2の枠選択操作に応答して、第3の損傷評価枠を決定し、前記第3の損傷評価枠の属性情報を決定し、前記損傷評価枠は前記第1の損傷評価枠、または前記第2の損傷評価枠であり、
前記記憶ユニットが、前記属性情報に基づいて前記調整対象の損傷情報に対する修正情報を決定して記憶する請求項13に記載の装置。 - 損傷情報が、事前にトレーニングされたニューラルネットワークモデルに基づいて決定され、前記損傷情報が、前記第1の損傷情報、前記第2の損傷情報を含み、
前記装置が、
調整対象の損傷情報に対する記憶された修正情報に基づいて、前記ニューラルネットワークモデルを最適化するための最適化ユニットを備える請求項13から15のいずれか一項に記載の装置。 - 少なくとも1つのプロセッサと、
該少なくとも1つのプロセッサと通信可能に接続されるメモリと、
を備え、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶されており、前記命令が、前記少なくとも1つのプロセッサが請求項1から8のいずれか一項に記載の方法を実行できるように、前記少なくとも1つのプロセッサによって実行される電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令が、コンピュータに請求項1から8のいずれか一項に記載の方法を実行させる非一時的なコンピュータ読み取り可能な記憶媒体。 - コンピュータプログラムが含まれるコンピュータプログラム製品であって、前記コンピュータプログラムはプロセッサによって実行される場合、請求項1から8のいずれか一項に記載の方法が実現されるコンピュータプログラム製品。
- 画像収集装置と、請求項9から16のいずれか一項に記載の装置とを備え、前記画像収集装置が損傷車両の損傷評価対象の画像を取得する、画像に基づく車両損傷評価システム。
- プログラムコードが含まれるコンピュータプログラムであって、
コンピュータが前記コンピュータプログラムを実行する場合、前記プログラムコードが請求項1から8のいずれか一項に記載の方法を実行するコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110724600.2 | 2021-06-29 | ||
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 |
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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023536213A true JP2023536213A (ja) | 2023-08-24 |
Family
ID=84442487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022578897A Pending 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 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240013364A1 (ja) |
EP (1) | EP4160549A4 (ja) |
JP (1) | JP2023536213A (ja) |
KR (1) | KR20220164804A (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8712893B1 (en) * | 2012-08-16 | 2014-04-29 | Allstate Insurance Company | Enhanced claims damage estimation using aggregate display |
CN108090838B (zh) * | 2017-11-21 | 2020-09-29 | 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 |
CN110569700B (zh) * | 2018-09-26 | 2020-11-03 | 创新先进技术有限公司 | 优化损伤识别结果的方法及装置 |
-
2022
- 2022-01-29 EP EP22826783.7A patent/EP4160549A4/en active Pending
- 2022-01-29 JP JP2022578897A patent/JP2023536213A/ja active Pending
- 2022-01-29 KR KR1020227041512A patent/KR20220164804A/ko not_active Application Discontinuation
- 2022-01-29 US US18/003,992 patent/US20240013364A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240013364A1 (en) | 2024-01-11 |
KR20220164804A (ko) | 2022-12-13 |
EP4160549A1 (en) | 2023-04-05 |
EP4160549A4 (en) | 2024-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696112B (zh) | 图像自动裁剪方法、系统、电子设备及存储介质 | |
WO2020140772A1 (zh) | 一种人脸检测方法、装置、设备以及存储介质 | |
CN113033537B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
CN113361572B (zh) | 图像处理模型的训练方法、装置、电子设备以及存储介质 | |
EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
CN115205925A (zh) | 表情系数确定方法、装置、电子设备及存储介质 | |
WO2023005253A1 (zh) | 文本识别模型框架的训练方法、装置及系统 | |
EP4024362A2 (en) | Method and apparatus of failure monitoring for signal lights, electronic device and storage medium | |
CN114449343A (zh) | 一种视频处理方法、装置、设备及存储介质 | |
CN113657518B (zh) | 训练方法、目标图像检测方法、装置、电子设备以及介质 | |
CN113392660A (zh) | 页面翻译方法、装置、电子设备及存储介质 | |
WO2023273345A1 (zh) | 基于图像的车辆定损方法、装置及系统 | |
CN113762455A (zh) | 检测模型训练方法、单字检测方法、装置、设备及介质 | |
EP4030424A2 (en) | Method and apparatus of processing voice for vehicle, electronic device and medium | |
JP2023536213A (ja) | 画像に基づく車両損傷評価方法、装置及びシステム | |
EP4187504A1 (en) | Method for training text classification model, apparatus, storage medium and computer program product | |
EP4020327A2 (en) | Method and apparatus for training data processing model, electronic device and storage medium | |
CN114092608B (zh) | 表情的处理方法及装置、计算机可读存储介质、电子设备 | |
CN114882313A (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN115510508A (zh) | 页面信息的防护方法、装置及电子设备 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN113947146A (zh) | 样本数据生成方法、模型训练方法、图像检测方法及装置 | |
CN114356475A (zh) | 一种显示处理方法、装置、设备及存储介质 | |
EP4086905B1 (en) | Voice activity detection method and apparatus, electronic device and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221220 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240402 |