WO2022045214A1 - 保険料算出システム及び保険料算出方法 - Google Patents

保険料算出システム及び保険料算出方法 Download PDF

Info

Publication number
WO2022045214A1
WO2022045214A1 PCT/JP2021/031226 JP2021031226W WO2022045214A1 WO 2022045214 A1 WO2022045214 A1 WO 2022045214A1 JP 2021031226 W JP2021031226 W JP 2021031226W WO 2022045214 A1 WO2022045214 A1 WO 2022045214A1
Authority
WO
WIPO (PCT)
Prior art keywords
animal
age
insurance
face image
trained model
Prior art date
Application number
PCT/JP2021/031226
Other languages
English (en)
French (fr)
Inventor
伸昭 小森
亮人 小泉
エリスィン アルトゥンタシ
Original Assignee
アニコムホールディングス株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by アニコムホールディングス株式会社 filed Critical アニコムホールディングス株式会社
Priority to EP21861637.3A priority Critical patent/EP4207010A4/en
Priority to US18/023,644 priority patent/US20230245243A1/en
Priority to CN202180053421.9A priority patent/CN116057549A/zh
Publication of WO2022045214A1 publication Critical patent/WO2022045214A1/ja

Links

Images

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/178—Human faces, e.g. facial parts, sketches or expressions estimating age from face image; using age information for improving recognition

Definitions

  • the present invention relates to an insurance premium calculation system and an insurance premium calculation method. Specifically, the present invention provides a prediction regarding the age of an animal from an image of an animal's face, and the insurance premium calculation system calculates the insurance premium based on the prediction regarding the age. And the insurance premium calculation method.
  • Dogs, cats, pet animals such as rabbits, and livestock such as cows and pigs are irreplaceable to humans.
  • animals In recent years, while the average life expectancy of human-reared animals has increased significantly, animals often suffer from some kind of disease in their lifetime, and the increase in medical expenses borne by the breeders has become a problem. ..
  • pet insurance is provided to cover the medical expenses of pet animals. Similar to life insurance and medical insurance for humans, pet insurance is often determined according to the age of the animal. However, unlike humans, whose family register system has been established and whose age can be easily confirmed by identification cards, animals may not be able to determine the exact age. For example, animals sheltered on the street may have an unknown date of birth or age, and even animals transferred through breeders or pet stores may lose their birth records or forget their age. In addition, it cannot be denied that there is a possibility that a false declaration of age will be made when taking out pet insurance. In addition, although pet insurance covers a large amount of medical expenses and is highly necessary, there is still room for improvement in the penetration rate. One of the reasons may be that the owner's motivation to take out pet insurance is not increased.
  • Patent Document 1 describes a device for calculating insurance money according to the type of illness, an acquisition unit for acquiring detection data including at least one of insured person's vital data and lifestyle data, and the detection data. And, an insurance money calculation device including at least a determination unit for determining the insurance money for each type of the disease based on the insured person data including the age of the insured person is disclosed.
  • Patent Document 2 discloses an insurance participation support system for domestic animals.
  • the calculation device described in Patent Document 1 is an insurance money calculation device for human insurance, and is not for calculation of insurance premiums for animal insurance. Further, in the insurance money calculation device described in Patent Document 1, the age of the insured person is grasped in advance. Further, the insurance enrollment support system described in Patent Document 2 determines the insurance enrollment time from basic animal information and disease information, and includes an animal age determination function and an insurance premium calculation function based on the determination function. It's not a thing.
  • an object of the present invention is to provide an insurance premium calculation system or the like that predicts and determines the age of an animal by a simple method and that corresponds to the prediction and determination of the age.
  • a reception means for accepting input of an animal's face image other than a human, a determination means for predicting and determining the age of the animal from the animal's face image input to the reception means using a trained model, and the above. It is an insurance premium calculation system provided with an insurance premium calculation means for calculating insurance premiums based on the age predicted and determined by the determination means.
  • the trained model learns using the face image of an animal other than humans and the age at the time of shooting the animal as teacher data, the input is the face image of the animal, and the output is the prediction determination of the age of the animal.
  • a premium calculation system characterized by being a trained model.
  • An age prediction system characterized by being a trained model.
  • This is a method of generating a trained model that predicts the age of an animal excluding humans from the facial image of the animal. As teacher data, the facial image of the animal excluding humans and the age at the time of shooting the animal are used.
  • a method of generating a trained model which is characterized by inputting to a computer including artificial intelligence and training the artificial intelligence.
  • Steps to prepare facial images of animals other than humans The step of inputting the face image into the trained model and the computer using the trained model to output the prediction of the age at the time of taking the face image of the animal from the input animal's face image, and the step of the age.
  • It is a premium calculation method having a step of calculating a premium for the animal based on a prediction.
  • the trained model has been trained using the face image of an animal other than humans and the age at the time of shooting the animal as teacher data, and the input is the face image of the animal and the output is the age of the animal.
  • An insurance premium calculation method characterized by being a model.
  • a reception means for accepting input of an animal's face image other than a human, a determination means for predicting and determining the age of the animal from the animal's face image input to the reception means using a trained model, and the above.
  • It is an insurance enrollment availability determination system provided with an insurance enrollment availability determination means for determining whether or not to enroll in insurance based on the age predicted and determined by the determination means.
  • the trained model learns using the face image of an animal excluding humans and the age at the time of shooting the animal as teacher data, the input is the face image of the animal, and the output is the prediction determination of the age of the animal.
  • An insurance enrollment determination system characterized by being a trained model.
  • an age prediction system for determining the age of an animal an insurance premium calculation system for calculating an animal insurance premium based on an age determination result, and the like by a simple method.
  • an insurance premium calculation system for calculating an animal insurance premium based on an age determination result and the like by a simple method.
  • the owner is aware of the health of the animal being raised. It can be expected to increase the motivation for pet insurance and improve the pet insurance coverage rate.
  • the age prediction system of the present invention predicts or determines the age of an animal from the face image of the animal input to the reception means by using a reception means that accepts input of a face image of an animal other than a human and a trained model. It is provided with a determination means for outputting and outputting.
  • the receiving means of the present invention is a means for receiving input of a facial image of an animal whose age is to be predicted.
  • animals include mammals such as dogs, cats, rabbits and ferrets, birds, reptiles and pet animals, and mammals are preferable, and dogs and cats are more preferable.
  • the image reception method may be any method such as scanning, inputting and transmitting image data, and capturing an image taken on the spot.
  • the format of the face image is not particularly limited, but the face image is preferably a photograph of the animal's face taken from the front, and more preferably a photograph of the animal's face as shown in FIG. Such photographs include photographs such as those of a human driver's license. As shown in FIG.
  • an image used for an animal health insurance card is also preferable.
  • the image may be black and white, grayscale, or color. Images that do not show the entire face of an animal, images whose shape has been edited with image editing software, images that show multiple animals, images that have a face that is too small to distinguish eyes and ears, or images that are not clear Not preferred. It is preferable that the image is normalized and the resolution and the like are unified.
  • the determination means of the present invention learns by using the facial image of an animal other than human and the age at the time of photographing the animal (the number of years elapsed from the date of birth) as teacher data, and outputs the input as the facial image of the animal. Includes a trained model that makes predictions about the age at which the animal was photographed.
  • the age may be monthly, yearly, or divided.
  • As an example of the classification for example, in the case of dogs, there are classifications of infants (1 year old), middle ages (2 to 7 years old), and elderly people (8 years old and over).
  • the method of classification is not limited to this, and there are also methods of classification such as infants (under 1 year old), adult dogs (2 to 7 years old), elderly dogs (8 to 10 years old), and old age (11 years old and over). ..
  • Other animals such as cats and ferrets can also be age-classified according to life expectancy.
  • Artificial intelligence is preferable as the trained model.
  • Artificial intelligence is software or systems that imitate the intellectual work performed by the human brain on a computer. Specifically, it understands the natural language used by humans and makes logical inferences. A computer program that you go to or learn from experience.
  • the artificial intelligence may be either a general-purpose type or a specialized type, or may be any of a deep neural network, a convolutional neural network, and the like, and publicly available software can be used.
  • Artificial intelligence is trained using teacher data in order to generate a trained model.
  • the learning may be either machine learning or deep learning (deep learning), but deep learning is preferable. Deep learning is an evolution of machine learning and is characterized by the automatic finding of features.
  • the learning method for generating the trained model is not particularly limited, and publicly available software can be used.
  • DIGITS the Deep Learning GPU Training System published by NVIDIA can be used.
  • the learning may be performed by a known support vector machine method (Support Vector Machine method) published in "Introduction to Support Vector Machines" (Kyoritsu Shuppan) and the like.
  • the teacher data for learning is the face image of the animal and the age at the time of shooting the animal.
  • the animal face image as the teacher data is the same as the face image described in the above reception method.
  • Information on the age of the animal can be obtained, for example, from a veterinary hospital or the owner of the animal who intends to insure it, as information provided at the time of application for insurance.
  • the age may be monthly, yearly, or divided.
  • classification for example, in the case of dogs, there are classifications such as infants (less than 1 year old), middle ages (2 to 7 years old), and old ages (8 years old or older).
  • the method of classification is not limited to this, and there are also methods of classification such as infants (under 1 year old), adult dogs (2 to 7 years old), elderly dogs (8 to 10 years old), and old age (11 years old and over). ..
  • Other animals such as cats and ferrets can also be age-classified according to life expectancy.
  • the learning model is used to predict and determine the age at the time of capturing the animal's face image.
  • the output age may be the actual age (the number of years elapsed since birth) or the healthy age (how many years the animal's health or appearance is equivalent to). ..
  • the format of the output is not particularly limited, and for example, the prediction judgment is output by displaying "1 year and 2 months", or “young", "milky", “old” on the screen of the personal computer. can do. Further, as incidental information, the certainty of the age prediction determination may be output at the same time. For example, "1 year and 2 months (reliability: 80%)".
  • the age may be output in a numerical range. For example, “11 months to 1 year and 2 months”, “under 1 year old”, “1 to 2 years old”, “8 years old and over”, and so on.
  • the age prediction system of the present invention may separately have an output means for receiving the determination result from the determination means and outputting the determination result.
  • the insurance premium calculation system of the present invention predicts and determines the age of an animal from the face image of the animal input to the reception means by using the reception means that accepts the input of the face image of the animal other than human and the trained model.
  • a premium calculation system including a determination means for calculating an insurance premium based on an age predicted and determined by the determination means, wherein the trained model is a facial image of an animal other than a human. It is a trained model in which learning is performed using and the age at the time of shooting of the animal as teacher data, the input is a face image of the animal, and the output is a prediction determination of the age of the animal.
  • the insurance premium calculation system of the present invention inputs the facial image of the animal to be insured into the above age prediction system and calculates the insurance premium of the animal according to the output age prediction result.
  • the method of calculating the insurance premium according to the age can be a known method.
  • information such as prediction of disease morbidity of the animal, type, breed, sex, weight, and medical history of the animal may be used to determine the insurance premium.
  • a learning model described later can be used for predicting the disease morbidity of the animal.
  • information such as the type, breed, gender, weight, and medical history of the animal can be obtained by encouraging the animal owner and the person who intends to apply for insurance to input from the terminal.
  • the terminal 40 is a terminal used by an insurance policyholder (insurance contract applicant, user).
  • Examples of the terminal 40 include a personal computer and a tablet terminal.
  • the terminal 40 includes a processing unit such as a CPU, a storage unit such as a hard disk, ROM or RAM, a display unit such as a liquid crystal panel, an input unit such as a mouse, a keyboard, and a touch panel, and a communication unit such as a network adapter. ..
  • the user accesses the server from the terminal 40, and inputs and transmits an image (photograph) of an animal to be insured and information such as the type, breed, gender, weight, and medical history of the animal.
  • the animal face image is taken at the time when the policyholder applies for insurance. It is preferable that the time has not passed since the shooting. For example, the one within 6 months from the time of shooting is preferable, the one within 3 months is more preferable, and the one within 1 month is further preferable.
  • the user may take a face photograph of the target animal on the spot using the camera of the smartphone, input and transmit the photograph. For example, the user takes a face photograph of an animal to be insured according to an instruction displayed on the screen of the terminal 40, and when an appropriate photograph is taken, sends it to the server.
  • the server is separately provided with a photography assisting means consisting of an image determination program, and the photography assisting means is such that the entire face of the animal is imaged and the photograph is taken from the front of the face of the animal. It may have a configuration in which it is determined whether or not the photograph is suitable for the prediction determination of the photograph, and the determination result is transmitted to the user through an interface or a terminal. Further, the user can receive the age prediction result and the insurance premium calculation result on the server by accessing the server by the terminal 40.
  • the server is configured by a computer, but any device may be used as long as it has the functions according to the present invention.
  • the server may be a server on the cloud.
  • the storage unit 10 is composed of, for example, a ROM, a RAM, a hard disk, or the like.
  • the information processing program for operating each part of the server is stored in the storage unit 10, and in particular, the determination means (learned model) 11 and the insurance premium calculation means 12 are stored as needed.
  • the insurance premium calculation means 12 may not be provided when the system is configured as an age prediction system that simply outputs an age prediction without the purpose of calculating the insurance premium.
  • the determination means (learned model) 11 inputs the face image of the insured animal input by the user, and outputs the prediction of the age at the time of taking a picture of the animal included in the image.
  • the determination means (learned model) 11 in the present embodiment includes, for example, a deep neural network or a convolutional neural network.
  • the insurance premium calculation means 12 is software that calculates the insurance premium of the animal from the age prediction output by the determination means 11. If necessary, information such as the type, breed, gender, age at the time of photography (declared age), body weight, and medical history entered by the user may also be used in the calculation of the insurance premium. For example, the software classifies insurance premiums according to the type, breed, gender, weight, medical history, etc. of the animal, and finally, the age prediction output by the determination means 11 is added to the grade. It is software for modifying and calculating the final insurance premium. The software first grades according to the prediction judgment result of age, and calculates the final premium by adjusting the premium according to the type, breed, gender, weight, history, etc. of the animal. You may.
  • the insurance premium calculation means 12 and the determination means (learned model) 11 may be one piece of software. Further, the insurance premium calculation means may be one that uses a calculation formula for calculating the insurance premium and calculates the insurance premium by inserting information such as the age of the animal into the calculation formula, or in advance.
  • the insurance premium table as shown in FIG. 4 may be stored in the storage unit, and the insurance premium calculation means may refer to the insurance premium table to calculate the insurance premium.
  • the insurance premium shown in FIG. 4 is an example of a monthly insurance premium.
  • the processing calculation unit 20 executes age prediction and insurance premium calculation using the determination means (learned model) 11 and the insurance premium calculation means 12 stored in the storage unit.
  • the interface unit (communication unit) 30 includes reception means 31 and output means 32, receives animal face images and other information from the user's terminal, predicts age and calculates insurance premiums for the user's terminal. Output the result.
  • the policyholder uploads a photo for creating a pet's health insurance card to the server, so that the pet's health insurance card is created and at the same time, the pet's insurance premium is created.
  • the calculation result of can be obtained.
  • the insurance premium calculation system of the present invention causes the user to declare the age of the animal, predicts and determines the age from the face image of the animal provided by the user, and determines the declared age by the user based on the prediction determination result. It may be a mode in which the insurance premium is calculated after the correction. Further, in the insurance premium calculation system of the present invention, when the insurance premium calculation means is older than a predetermined value, the insurance premium calculation means is not suitable for insurance participation instead of the insurance premium calculation or together with the insurance premium calculation. It may have a function of presenting the judgment result of.
  • the age prediction determination result is 11 years old or older, 12 years old or older, 13 years old or older, 14 years old or older, or 15 years old or older.
  • the judgment result of being unsuitable for insurance is presented.
  • the age prediction judgment result is 13 years old or older, 14 years old or older, 15 years old or older, 16 years old or older, or 17 years old or older.
  • a predetermined value of the age to be judged to be unsuitable for insurance can be set for each animal type and breed.
  • FIG. 5 shows a flowchart of insurance premium calculation based on one embodiment of the insurance premium calculation system of the present invention.
  • the user inputs basic information such as the type, breed, and weight of the animal for which insurance is being considered into the reception means of the server, and uploads the facial image of the animal (step S1).
  • the processing calculation unit of the server predicts and determines the age at the time of shooting the animal from the uploaded face image by using the determination means (learned model) (step S2).
  • the processing calculation unit calculates the insurance premium based on the prediction determination result of the age by using the insurance premium calculation means (step S3).
  • the output means outputs the calculated insurance premium by displaying it on the user's terminal screen and presents it to the user (step S4).
  • the insurance premium calculation system of the present invention may include, in addition to the above-mentioned determination means (learned model), a disease prediction means for predicting and determining whether or not an animal suffers from a disease from an animal's face image.
  • the disease prediction means learns by using the facial image of an animal other than human and the fact of disease morbidity within a predetermined period from the time of photographing the animal as teacher data, the input is the facial image of the animal, and the output is the animal. Includes trained models that predict that the disease will be affected.
  • a disease prediction means in addition to the judgment means, it is possible to predict not only the age but also the future possibility of the animal's disease when applying for insurance, which is a more rational insurance premium. Can be calculated.
  • FIG. 6 shows a flowchart of insurance premium calculation based on one embodiment of the insurance premium calculation system of the present invention when the disease prediction means is provided (the configuration diagram is FIG. 7).
  • the user inputs basic information such as the type, breed, and weight of the animal for which insurance is being considered into the reception means of the server, and uploads the facial image of the animal (step S21).
  • the processing calculation unit of the server predicts and determines the age at the time of photographing the animal from the uploaded face image by using the determination means (learned model) (step S22).
  • the processing calculation unit calculates the insurance premium based on the prediction determination result of the age by using the insurance premium calculation means (step S23).
  • the disease predicting means predicts and determines the possibility of future disease of the animal from the facial image of the animal (step S24). Then, if the possibility of suffering from a disease is high, the insurance premium calculation means corrects the premium in the direction of increasing the premium calculated based on the age, and if the possibility of suffering from a disease is low, the premium is calculated. The insurance premium is corrected in the direction of lowering (step S25). Further, the insurance premium calculation means may have a function of calculating the insurance premium based on the age without correcting the insurance premium when the possibility of morbidity to the disease is not different from the average of the animal.
  • the output means outputs the calculated insurance premium by displaying it on the terminal screen of the user and presents it to the user (step S26).
  • the teacher data for learning the possibility of disease is the facial image of the animal and the animal within a predetermined period from the time when the facial image is taken, preferably within 3 years, more preferably within 2 years, and further preferably within 1 year. Whether or not the patient was affected by the disease.
  • the animal face image as the teacher data is the same as the face image described in the above reception method.
  • Information on whether or not the animal has a disease is available, for example, from a veterinary clinic or an insured owner as a fact of insurance claim (also referred to as an "accident"). In other words, if the animal is a pet-insured animal and the animal is diagnosed as having a disease at the hospital, the animal hospital or the owner (pet insurance policyholder) will tell the insurance company.
  • the insurance company can know that the animal has the disease because it claims the insurance payment together with the fact that the animal has the disease. On the other hand, if there is no claim for insurance money within a predetermined time from the creation of the facial image, it can be determined that the insured animal did not suffer from the disease during that period.
  • the trained model may be generated for each individual disease, or a plurality of diseases may be collectively generated.
  • a facial image taken before a predetermined period of time from the illness of the specific disease and the fact that the animal suffered from the disease was compared with the animal suffering from the specific disease.
  • the facial images of animals that have not suffered from the disease for a predetermined period from the facial image acquisition and the fact that they have not suffered from the disease for a predetermined period are learned as teacher data.
  • teacher data an animal suffering from a certain disease and a facial image taken before a predetermined period from the disease
  • an animal suffering from a disease different from the disease and its disease A plurality of types of teacher data may be prepared, such as a facial image taken before a predetermined period of time, an animal suffering from another disease and a facial image taken before a predetermined period of time from the disease.
  • the type of the target disease in the present invention is not particularly limited, and examples thereof include ophthalmic diseases, otologic diseases, and skin diseases.
  • Ophthalmic diseases include conjunctivitis, rheumatism, keratitis, corneal ulcer / erosion, epiphora, cataracts, and glaucoma.
  • otitis media diseases include otitis externa and otitis media. Dermatitis includes dermatitis, atopic dermatitis, and pyoderma.
  • the insurance coverage determination system of the present invention is a system for determining insurance coverage based on the above-mentioned age prediction determination result. That is, in the insurance premium calculation system of the present invention, when the age predicted and determined from the facial photograph of the animal is equal to or longer than the predetermined value, the insurance premium calculation means determines that the insurance is not suitable. For example, in the case of a dog, if the age prediction determination result is 11 years old or older, 12 years old or older, 13 years old or older, 14 years old or older, or 15 years old or older, the judgment result of being unsuitable for insurance is presented.
  • the insurance coverage determination means is software for determining the insurance coverage of the animal from the age prediction output by the determination means 11. If necessary, information such as the type, breed, gender, age at the time of photography (declared age), body weight, and medical history entered by the user may also be used for determining whether or not to take out insurance.
  • Deep learning was performed using a face photograph of a toy poodle (as an example, a color photograph of FIGS. 8 to 10; unified to 256 ⁇ 256 pixels), and a trained model was generated.
  • the facial photographs used were 11519 for infants (under 1 year old) and 11519 for old age (8 years old and over).
  • deep learning was performed by labeling the photographic data with infants or old age using a convolutional neural network.
  • 1000 facial photographs of "infant” and "old age” used in the evaluation of the above trained model were judged to be "infant” or "old age”.
  • the correct answer rate was 93.5%.
  • using the generated learning model as a test, "infant” or "old age” for each of 1000 "infant” and "old age” facial photographs different from the facial photographs used to generate the trained model. The correct answer rate was 92.5%.
  • Example 2 Deep learning was performed using a toy poodle's facial photograph to generate a trained model.
  • the facial photographs used were 11519 for infants (under 1 year old), 11519 for middle-aged (3-5 years old), and 11519 for old-aged (8 years old and over).
  • Photographic data were labeled for infants, middle-aged or old age using a convolutional neural network, and deep learning was performed.
  • Deep learning was performed using the number of toy poodle facial photographs (as an example, the color photographs of FIGS. 8 to 10; unified to 256 ⁇ 256 pixels) shown in the table of FIG. 7, and a trained model was generated.
  • GoogleNet was used as artificial intelligence (neural network), and NVIDIA DIGITS Ver.3.0.0 was used as learning software, and photographic data was labeled according to the presence or absence of disease and deep learning was performed.
  • ophthalmic diseases as teacher data photographs, 4800 photographs of toy poodles that suffered from ophthalmic diseases within 1 year after photography were taken, and photographs of toy poodles that did not suffer from ophthalmic diseases within 1 year.
  • the trained model A was generated using 4800 sheets. When the generated trained model A was tested using 2400 of the 9600 photographs used for learning, the correct answer rate for determining the presence or absence of ophthalmic disease (actually, the disease within one year). The total number of photographs of animals affected by the disease was determined to be "affected by the disease” and the photographs of animals that were not actually affected by the disease within one year were determined to be "not affected by the disease”. The ratio to the total number of sheets) was 70.5%.
  • otologic diseases as teacher data photographs, 6400 photographs of toy poodles that suffered from otologic diseases within 1 year after photography were taken, and toy poodles that did not suffer from otologic diseases within 1 year.
  • the trained model B was generated using 6400 photographs of. When the generated trained model B was tested using 3200 of the 12800 photographs used for learning, the correct answer rate for determining the presence or absence of an ear disease was 56.4%. rice field.
  • the trained models A to C generated above were judged using the image of the toy poodle that was not used as the teacher data.
  • ophthalmic diseases 4066 images of toy poodles that were not used as teacher data were used, of which 2033 were images of toy poodles that did not suffer from ophthalmic diseases (“no accident”), 2033.
  • the image was an image of a toy poodle suffering from an ophthalmic disease within one year of shooting ("accident").
  • the trained model A had a correct answer rate of 70.1% as a prediction of the toy poodle disease.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、前記判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする保険料算出システム。

Description

保険料算出システム及び保険料算出方法
　本発明は、保険料算出システム及び保険料算出方法に関し、詳しくは、動物の顔の画像から、動物の年齢に関する予測を提供し、当該年齢に関する予測に基づいた保険料を算出する保険料算出システム及び保険料算出方法に関する。
　犬や猫、ウサギを始めとする愛玩動物、牛や豚を始めとする家畜は、人間にとってかけがえのない存在である。近年、人間が飼育する動物の平均寿命が大幅に伸びた一方で、動物がその一生の中で何らかの疾患に罹患することが多くなり、飼育者が負担する医療費の増大が問題となっている。
　そのため、愛玩動物の医療費をカバーするペット保険が提供されている。ペット保険は、人間に対する生命保険や医療保険と同様に、動物の年齢に応じて保険料や加入の可否が決まることが多い。ところが、戸籍制度が整備され、身分証明書などにより年齢確認が容易な人間とは異なり、動物は正確な年齢が把握できないことがある。例えば、路上で保護された動物は出生日や年齢が不明であるし、ブリーダーやペットショップを通じて譲渡された動物についても、飼い主が出生に関する記録を紛失したり、年齢を失念することもある。また、ペット保険加入に際して、年齢についての虚偽申告がなされる可能性も否定できない。
　また、ペット保険は、高額の医療費をカバーするものであることから必要性が高いにもかかわらず普及率には未だ改善の余地がある。その理由の一つとして、飼い主のペット保険加入へのモチベーションが上がらないことが考えられる。
　そこで、簡易な方法で、ペット保険の対象となる動物の年齢を知る手段が求められている。ペット保険の加入時又は加入審査時の動物の年齢を知ることができれば、年齢に応じた保険料の算出や保険の加入審査が可能となるため、有用である。また、簡易な方法でペットの年齢、例えば、実年齢、健康年齢やペットの容貌が何歳に相当するのかを把握することができれば、飼い主に対して、ペットの健康に気をつけるきっかけともなり、ひいてはペット保険加入へのモチベーションを上げることも期待できる。
　特許文献１には、疾病の種類に応じた保険金を算出する装置であって、被保険者のバイタルデータ及び生活習慣データのうち少なくとも一方を含む検出データを取得する取得部と、前記検出データと、少なくとも前記被保険者の年齢を含む被保険者データとを基に、前記疾病の種類毎に保険金を決定する決定部とを備える保険金算出装置が開示されている。特許文献２には、飼育動物の保険加入支援システムが開示されている。
　しかしながら、特許文献１に記載されている算出装置は、人の保険を対象とした保険金算出装置であり、動物用の保険の保険料算出を対象としたものではない。また、特許文献１に記載の保険金算出装置では、被保険者の年齢は予め把握されている。また、特許文献２に記載されている保険加入支援システムは、動物の基本情報と疾病情報から保険加入時期を判定するものであって、動物の年齢の判定機能とそれに基づく保険料算出機能を含むものではない。
特開２０１８－２６１００号公報 特開２０１７－２２４１８８号公報
　そこで、本発明は、簡易な方法で、動物の年齢を予測判定し、年齢の予測判定に応じた保険料算出システム等を提供することを目的とする。
　動物を対象とする健康保険、いわゆるペット保険を運営する保険会社には、膨大な数の動物の写真と、その動物の写真撮影時の年齢に関する情報が蓄積されており、本発明者らは、これらを用いて上記課題が解決できないかを検討してきた。その結果、動物の写真とその動物の撮影時の年齢を教師データとして人工知能を学習させると、動物の写真からその動物の年齢を予測判定する予測モデルを生成できることを見いだし、本発明を完成するに至った。
　すなわち、本発明は以下の［１］～［９］である。
［１］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、前記判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、
　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする保険料算出システム。
［２］前記動物が、犬である［１］の保険料算出システム。
［３］前記動物が、猫である［１］の保険料算出システム。
［４］前記動物の顔画像が、動物の顔を正面から撮影した画像である［１］～［３］のいずれかの保険料算出システム。
［５］動物の年齢と保険料を含む保険料テーブルを記憶する記憶部を更に備え、前記保険料算出手段が、保険料テーブルを用いて保険料を算出する［１］～［４］のいずれかの保険料算出システム。
［６］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、を備える年齢予測システムであって、
　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする年齢予測システム。
［７］ヒトを除く動物の顔画像からその動物の年齢の予測をする学習済みモデルの生成方法であって、教師データとして、ヒトを除く動物の顔画像と、その動物の撮影時の年齢を人工知能を含むコンピュータに入力し、人工知能に学習させることを特徴とする学習済みモデルの生成方法。
［８］ヒトを除く動物の顔画像を用意するステップと、
　前記顔画像を学習済みモデルに入力し、コンピュータが前記学習済みモデルを用いて、前記入力された動物の顔画像からその動物の顔画像撮影時の年齢の予測を出力するステップと、当該年齢の予測に基づいて当該動物に対する保険料を算出するステップと、を有する保険料算出方法であって、
　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢とする学習済みモデルであることを特徴とする保険料算出方法。
［９］ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、前記判定手段が予測判定した年齢を元に保険への加入可否を判定する保険加入可否判定手段と、を備える保険加入可否判定システムであって、
　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする保険加入可否判定システム。
　本発明により、簡易な方法で、動物の年齢を判定する年齢予測システム、年齢の判定結果に基づいて動物の保険料を算出する保険料算出システム等を提供することが可能となる。また、簡易な方法で動物の年齢、例えば、実年齢、健康年齢や当該動物の容貌が何歳に相当するのかを把握できることにより、飼い主に対して、飼育している動物の健康に気をつけるきっかけともなり、ひいてはペット保険加入へのモチベーションを上げることやペット保険加入率の改善も期待できる。
好適な動物の顔画像の一例を表す図である。 好適な動物の顔画像の一例を表す図である。 本発明の保険料算出システムの一実施態様を表す構成概略図である。 保険料テーブルの一例を表す図である。 本発明の保険料算出システムによる保険料算出の流れの一例を表すフローチャート図である。 本発明の保険料算出システムによる保険料算出の流れの一例を表すフローチャート図である。 本発明の保険料算出システムの一実施態様を表す構成概略図である。 実施例の学習に用いた動物の顔画像（写真）である。 実施例の学習に用いた動物の顔画像（写真）である。 実施例の学習に用いた動物の顔画像（写真）である。 参考例の学習に用いた画像の枚数とテスト結果を示す表である。
［年齢予測システム］
　本発明の年齢予測システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測又は判定し出力する判定手段と、を備える。
［受付手段］
　本発明の受付手段は、年齢を予測したい動物の顔画像の入力を受け付ける手段である。動物としては、犬、猫、ウサギ、フェレット等の哺乳類、鳥類、爬虫類、愛玩動物が挙げられ、哺乳類が好ましく、犬及び猫がより好ましい。画像の受付方法は、スキャン、画像データの入力、送信、その場で撮影しての画像取り込みなどいずれの方法であってもよい。顔画像のフォーマットは特に限定されないが、顔画像は、動物の顔を正面から撮影した写真であることが好ましく、図１に表すような動物の顔が大きく写っている写真がより好ましい。そのような写真として、ヒトの運転免許証の写真のような写真が挙げられる。図２のように、動物の健康保険証に用いられる画像も好ましい。画像は、白黒、グレースケール、カラーのいずれであってもよい。動物の顔全体が写っていない画像、画像編集ソフトウェアで形状が編集された画像、複数の動物が写っている画像、目や耳が判別出来ないほど顔が小さく写っている画像あるいは不鮮明な画像は好ましくない。画像については、ノーマライゼーションが施され、解像度等が統一されたものが好ましい。
［判定手段］
　本発明の判定手段は、ヒトを除く動物の顔画像とその動物の撮影時の年齢（出生日からの経過年数）とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の撮影時の年齢に関する予測とする学習済みモデルを含む。年齢としては、月単位であっても、年単位であってもよく、区分けであってもよい。区分けとしては、例えば、犬を例にすると、乳幼齢（１歳）、中間齢（２歳～７歳）、高齢（８歳以上）という区分けが挙げられる。区分けの仕方はこれに限られず、乳幼齢（１歳未満）、成犬（２～７歳）、高齢犬（８～１０歳）、老齢（１１歳以上）といった区分けの仕方等も挙げられる。猫や、フェレット等の他の動物についても、平均寿命に応じて、年齢を区分けすることができる。
　前記学習済みモデルとしては、人工知能（ＡＩ）が好ましい。人工知能（ＡＩ）とは、人間の脳が行っている知的な作業をコンピュータで模倣したソフトウェアやシステムであり、具体的には、人間の使う自然言語を理解したり、論理的な推論を行ったり、経験から学習したりするコンピュータプログラムなどのことをいう。人工知能としては、汎用型、特化型のいずれであってもよく、ディープニューラルネットワーク、畳み込みニューラルネットワーク等のいずれであってもよく、公開されているソフトウェアを使用することができる。
　学習済みモデルを生成するために、人工知能を教師データを用いて学習させる。学習としては、機械学習とディープラーニング（深層学習）のいずれであってもよいが、ディープラーニングが好ましい。ディープラーニングは、機械学習を発展させたものであり、特徴量を自動的に見つけ出す点に特徴がある。
　学習済みモデルを生成するための学習方法としては、特に制限されず、公開されているソフトウェアを用いることができる。例えば、NVIDIAが公開しているDIGITS (the Deep Learning GPU Training System)を用いることができる。その他、例えば、「サポートベクターマシン入門」（共立出版）等において公開されている公知のサポートベクターマシン法（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ法）等によって学習させてもよい。
　学習のための教師データは、動物の顔画像とその動物の撮影当時の年齢である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様である。当該動物の年齢についての情報は、例えば、保険加入申請時に提供される情報として、動物病院あるいは保険をかけようとする当該動物の飼い主等から入手可能である。年齢としては、月単位であっても、年単位であってもよく、区分けであってもよい。区分けとしては、例えば、犬を例にすると、乳幼齢（１歳未満）、中間齢（２～７歳）、老齢（８歳以上）、という区分けが挙げられる。区分けの仕方はこれに限られず、乳幼齢（１歳未満）、成犬（２～７歳）、高齢犬（８～１０歳）、老齢（１１歳以上）といった区分けの仕方等も挙げられる。猫や、フェレット等の他の動物についても、平均寿命に応じて、年齢を区分けすることができる。
［出力］
　本発明の判定手段は、入力情報として、動物の顔画像を受け付けると、上記学習済みモデルによって、当該動物の顔画像撮影時の年齢の予測判定を行う。出力の年齢としては、実年齢（出生時からの経過年月数）であってもよく、健康年齢（当該動物の健康状態又は容姿の状態が、何歳相当であるのか）であってもよい。
　出力の形式は特に限定されず、例えば、パソコンの画面上において、「１歳２ヶ月」、あるいは、「幼齢」、「乳幼齢」、「老齢」といった表示をすることで予測判定を出力することができる。また、付随的な情報として、年齢の予測判定の確実性を同時に出力してもよい。例えば、「１歳２ヶ月（信頼度：８０％）」といった具合である。また、年齢を数値範囲で出力してもよい。例えば、「１１ヶ月～１歳２ヶ月」、「１歳未満」、「１～２歳」、「８歳以上」といった具合である。　本発明の年齢予測システムは、判定手段から判定結果を受信し、判定結果を出力する出力手段を別途有していてもよい。
　本発明の年齢予測システムを利用することで、後述するような保険料の算出のほか、判定された年齢が実年齢よりも高い場合に、動物の飼い主に対して、健康管理に気をつけるように促す、老化抑止に効果的なフードを提案することが可能となる。
［保険料算出システム］
　本発明の保険料算出システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、前記判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする。
　すなわち、本発明の保険料算出システムは、保険の対象となる動物の顔画像を上記の年齢予測システムに入力し、出力された年齢の予測結果に応じて当該動物の保険料を算出するものである。年齢に応じた保険料の算出方法は公知の方法によることができる。保険料の決定には、年齢の予測のほか、当該動物の疾患罹患の予測、当該動物の種類、品種、性別、体重、既往歴等の情報を用いてもよい。当該動物の疾患罹患の予測については後述する学習モデルを用いることができる。また、当該動物の種類、品種、性別、体重、既往歴等の情報については、動物の飼い主、保険加入申請をしようとする者に端末からの入力を促すことで入手することができる。
　以下、本発明の保険料算出システムの一実施態様を図３を参照しながら説明する。
　図３中、端末４０は、保険契約者（保険契約申込者、ユーザ）が利用する端末である。端末４０は、例えばパーソナルコンピュータやタブレット端末などが挙げられる。端末４０は、ＣＰＵなどの処理部、ハードディスク、ＲＯＭあるいはＲＡＭなどの記憶部、液晶パネルなどの表示部、マウス、キーボード、タッチパネルなどの入力部、ネットワークアダプタなどの通信部などを含んで構成される。
　ユーザは、端末４０から、サーバにアクセスし、保険の対象となる動物の顔画像（写真）、及び、当該動物の種類、品種、性別、体重、既往歴などの情報を入力、送信する。保険料の算出あるいは保険加入可否の判定にあたっては、保険加入申込時点における動物の年齢を予測判定することが望まれるため、動物の顔画像（写真）は、保険契約者が保険申込みをする時点において撮影時から時間が経っていないものが好ましい。例えば、撮影時から６ヶ月以内ものが好ましく、３ヶ月以内のものがより好ましく、１ヶ月以内のものがさらに好ましい。また、ユーザが、申込み時に、その場でスマートフォンのカメラを使って対象となる動物の顔写真を撮影し、それを入力、送信するという態様であってもよい。例えば、ユーザは、端末４０の画面上に表示される指示に従って保険対象となる動物の顔写真を撮影し、適切な写真が撮れたらそれをサーバに送信する。このとき、サーバが、別途、画像判定プログラムからなる写真撮影補助手段を備え、写真撮影補助手段が、動物の顔全体が撮像されていること、動物の顔の正面からの写真であるといった、年齢の予測判定に好適な写真であるかどうかを判定し、その判定結果をインターフェースや端末を通じてユーザに伝達するという構成を備えていてもよい。
　また、ユーザは、端末４０がサーバにアクセスすることによって、サーバにおける年齢予測結果や保険料算出結果を受信することができる。
　本実施形態においては、サーバはコンピュータによって構成されるが、本発明にかかる機能を有する限りにおいて、どのような装置であってもよい。サーバは、クラウド上にあるサーバであってもよい。
　記憶部１０は、例えばＲＯＭ、ＲＡＭあるいはハードディスクなどから構成される。記憶部１０には、サーバの各部を動作させるための情報処理プログラムが記憶され、特に、判定手段（学習済みモデル）１１と、必要に応じて保険料算出手段１２が記憶される。保険料の算出を目的とせず、単に年齢の予測を出力する年齢予測システムとして構成する場合には保険料算出手段１２は無くてもよい。
　判定手段（学習済みモデル）１１は、上記のように、ユーザが入力した保険対象となる動物の顔画像を入力とし、当該画像に含まれる動物の写真撮影時の年齢の予測を出力するものである。本実施形態における判定手段（学習済みモデル）１１は、例えばディープニューラルネットワーク又は畳み込みニューラルネットワークを含んで構成される。
　保険料算出手段１２は、上記判定手段１１が出力した年齢の予測から、当該動物の保険料を算出するソフトウェアである。必要に応じて、ユーザが入力した当該動物の種類、品種、性別、写真撮影時の年齢（申告年齢）、体重、既往歴などの情報も保険料の算出に用いてもよい。例えば、ソフトウェアは、当該動物の種類、品種、性別、体重、既往歴等に応じて、保険料の等級分けを行い、最後に、上記判定手段１１が出力した年齢の予測を加味して当該等級を修正し、最終的な保険料を算出するためのソフトウェアである。ソフトウェアは、先に年齢の予測判定結果に応じて等級分けを行い、当該動物の種類、品種、性別、体重、既往歴等に応じて保険料を修正することで最終的な保険料を算出してもよい。保険料算出手段１２と判定手段（学習済みモデル）１１は一つのソフトウェアであってもよい。また、保険料算出手段は、保険料算出のための計算式を用い、当該計算式に、動物の年齢等の情報を挿入することによって保険料を計算するものであってもよく、あるいは、予め図４のような保険料テーブルを記憶部に記憶しておき、保険料算出手段がそれを参照することによって保険料を算出するというものであってもよい。図４に記載された保険料は、月額の保険料の例である。
　処理演算部２０は、記憶部に記憶された判定手段（学習済みモデル）１１や保険料算出手段１２を用いて、年齢の予測や保険料の計算を実行する。
　インターフェース部（通信部）３０は、受付手段３１と出力手段３２を備え、ユーザの端末から、動物の顔画像やその他の情報を受け付け、ユーザの端末に対して、年齢の予測や保険料の算出結果を出力する。
　本実施形態の保険料算出システムにより、保険契約者は、ペットの健康保険証を作成するための写真をサーバにアップロードすることで、ペットの健康保険証が作成されると同時に、ペットの保険料の算出結果を得ることができる。
　本発明の保険料算出システムは、ユーザに動物の年齢を申告させたうえで、ユーザから提供された動物の顔画像から年齢を予測判定し、予測判定結果に基づいて、ユーザが申告した年齢を修正した上で保険料を算出するという態様であってもよい。また、本発明の保険料算出システムは、保険料算出手段が、予測判定された年齢が所定値以上であった場合、保険料の算出に代えて、又は保険料の算出とともに、保険加入不適との判断結果を提示する機能を有していてもよい。例えば、犬の場合、年齢の予測判定結果が、１１歳以上、１２歳以上、１３歳以上、１４歳以上、又は１５歳以上となった場合に保険加入不適との判断結果を提示する。猫の場合、年齢の予測判定結果が、１３歳以上、１４歳以上、１５歳以上、１６歳以上、又は１７歳以上となった場合に保険加入不適との判断結果を提示する。保険加入不適と判断する年齢の所定値は動物の種類や品種ごとに設定することができる。
　本発明の保険料算出システムの一実施態様に基づく保険料算出のフローチャートを図５に示す。ユーザが端末を用いて、サーバの受付手段に、保険加入を検討している動物の種類、品種、体重等の基本情報を入力するとともに、当該動物の顔画像をアップロードする（ステップＳ１）。サーバの処理演算部は、判定手段（学習済みモデル）を用いて、アップロードされた顔画像から、その動物の撮影時の年齢を予測判定する（ステップＳ２）。処理演算部は、保険料算出手段を用いて、年齢の予測判定結果を基に保険料を算出する（ステップＳ３）。出力手段は、算出された保険料をユーザの端末画面に表示するなどして出力し、ユーザに提示する（ステップＳ４）。
　本発明の保険料算出システムは、上記判定手段（学習済みモデル）に加えて、動物の顔画像から、その動物が疾患に罹患するかを予測判定する疾患予測手段を備えていてもよい。疾患予測手段は、ヒトを除く動物の顔画像とその動物の撮影時から所定期間内の疾患罹患の事実とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物が疾患に罹患する予測とする学習済みモデルを含む。判定手段に加えて、疾患予測手段を備えることで、保険加入申請時に、年齢を予測するだけでなく、その動物の将来の疾患罹患可能性も予測することができ、より合理性の高い保険料の算出が可能となる。
　疾患予測手段を備える場合の本発明の保険料算出システムの一実施態様に基づく保険料算出のフローチャートを図６に示す（構成図は、図７）。ユーザが端末を用いて、サーバの受付手段に、保険加入を検討している動物の種類、品種、体重等の基本情報を入力するとともに、当該動物の顔画像をアップロードする（ステップＳ２１）。サーバの処理演算部は、判定手段（学習済みモデル）を用いて、アップロードされた顔画像から、その動物の撮影時の年齢を予測判定する（ステップＳ２２）。処理演算部は、保険料算出手段を用いて、年齢の予測判定結果を基に保険料を算出する（ステップＳ２３）。疾患予測手段が、当該動物の顔画像からその動物の将来の疾患への罹患可能性を予測判定する（ステップＳ２４）。そして、疾患への罹患可能性が高ければ、保険料算出手段が、年齢に基づいて算出された保険料を上げる方向で保険料を補正し、疾患への罹患可能性が低ければ、保険料を下げる方向で保険料を補正する（ステップＳ２５）。また、保険料算出手段は、疾患への罹患可能性が、その動物の平均と変わらない場合には、年齢に基づく保険料を補正しないで算出する機能を有していてもよい。また、疾患への罹患可能性が所定値以上の場合には、年齢の予測判定結果にもかかわらず、保険加入不適との判定結果を出力をする機能を有していてもよい。出力手段は、算出された保険料をユーザの端末画面に表示するなどして出力し、ユーザに提示する（ステップＳ２６）。
　疾患罹患可能性の学習のための教師データは、動物の顔画像とその動物が顔画像撮影時から所定期間内に、好ましくは３年以内、より好ましくは２年以内、さらに好ましくは１年以内に疾患に罹患したか、罹患しなかったかの罹患の有無である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様である。当該動物が疾患に罹患したかどうかの情報は、例えば、保険請求の事実（「事故」ともいう）として、動物病院あるいは保険をかけた飼い主等から入手可能である。つまり、当該動物がペット保険をかけられた動物である場合、当該動物が病院にかかり疾患に罹患したとの診断を受ければ、動物病院あるいは飼い主（ペット保険の契約者）が、保険会社に対して疾患への罹患の事実とともに保険金支払いを請求するので、保険会社は当該動物が疾患に罹患したことを知ることができる。他方、顔画像の作成から所定時間経過までに保険金の請求がなければ、保険をかけられた当該動物はその期間疾患に罹患しなかったと判断することができる。
　学習済みモデルは、個々の疾患ごとに生成してもよく、複数の疾患をまとめて生成してもよい。個々の疾患ごとに学習済みモデルを生成する場合には、特定の疾患に罹患した動物について、当該疾患への罹患から所定期間前に撮影された顔画像と、当該疾患に罹患したこと、比較対象として顔画像撮影から所定期間疾患に罹患しなかった動物の顔画像と、所定期間疾患に罹患しなかったことを教師データとして学習を行う。複数の疾患をまとめて学習させる場合には、教師データとして、ある疾患に罹患した動物とその罹患から所定期間前に撮影された顔画像、その疾患とは別の疾患に罹患した動物とその罹患から所定期間前に撮影された顔画像、さらに別の疾患に罹患した動物とその罹患から所定期間前に撮影された顔画像、というように、複数の種類の教師データを用意すればよい。
［疾患］
　本発明において対象となる疾患の種類は特に限定されず、例えば、眼科系疾患、耳科系疾患、皮膚系疾患が挙げられる。眼科系疾患としては、結膜炎、目やに、角膜炎、角膜潰瘍／びらん、流涙症、白内障、緑内障が挙げられる。耳科系疾患としては、外耳炎、中耳炎が挙げられる。皮膚系疾患としては、皮膚炎、アトピー性皮膚炎、膿皮症が挙げられる。
［保険加入可否判定システム］
　本発明の保険加入可否判定システムは、上記の年齢の予測判定結果をもとにして、保険加入可否を判定するシステムである。すなわち、本発明の保険料算出システムでは、保険加入可否判定手段が、動物の顔写真から予測判定された年齢が所定値以上であった場合、保険加入不適との判定を行う。例えば、犬の場合、年齢の予測判定結果が、１１歳以上、１２歳以上、１３歳以上、１４歳以上、又は１５歳以上となった場合に保険加入不適との判断結果を提示する。猫の場合、年齢の予測判定結果が、１３歳以上、１４歳以上、１５歳以上、１６歳以上、又は１７歳以上となった場合に保険加入不適との判断結果を提示する。保険加入不適と判断する年齢の所定値は動物の種類や品種ごとに設定することができる。保険加入可否判定手段は、上記判定手段１１が出力した年齢の予測から、当該動物の保険加入可否を判定するソフトウェアである。必要に応じて、ユーザが入力した当該動物の種類、品種、性別、写真撮影時の年齢（申告年齢）、体重、既往歴などの情報も保険加入可否の判定に用いてもよい。
［実施例１］
　トイプードルの顔写真（一例として、図８～図１０のカラー写真。２５６×２５６ピクセルに統一した。）を用いて、ディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、乳幼児（１歳未満）のものが１１５１９枚、老齢（８歳以上）のものが１１５１９枚であった。
　AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを乳幼児又は老齢でラベル付けをしてディープラーニングを行った。
　生成された学習モデルを用いて、検証として、上記学習済みモデルの評価に用いた「乳幼児」および「老齢」の顔写真各１０００枚を、「乳幼児」か「老齢」かの判定をさせたところ、正答率は、９３．５％であった。
　また、生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた顔写真とは別の「乳幼児」および「老齢」の顔写真各１０００枚について「乳幼児」か「老齢」かの判定をさせたところ、正答率は、９２．５％であった。
［実施例２］
　トイプードルの顔写真を用いて、ディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、乳幼児（１歳未満）のものが１１５１９枚、中間齢（３～５歳）のものが１１５１９枚、老齢（８歳以上）のものが１１５１９枚であった。
　AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを乳幼児、中間齢又は老齢でラベル付けをしてディープラーニングを行った。
　生成された学習モデルを用いて、検証として、上記学習済みモデルの評価に用いた顔写真のうち、「乳幼児」、「中間齢」および「老齢」の顔写真各１０００枚を、「乳幼児」、「中間齢」又は「老齢」かの判定をさせたところ、「老齢」についての正答率は、８７．５％であった。
　また、生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた顔写真とは別の「乳幼児」、「中間齢」および「老齢」の顔写真各１０００枚について、「乳幼児」、「中間齢」又は「老齢」かの判定をさせたところ、「老齢」についての正答率は、８７．８％であった。
［実施例３］
　次に、第２段階の学習として、乳幼児の顔写真４０２０７枚と、中間齢の顔写真４０２０７枚を用いてディープラーニングを行った。
　生成された学習モデルを用いて、検証として、上記学習済みモデルの評価に用いた顔写真のうち、「乳幼児」および「中間齢」の顔写真各３０００枚を、「乳幼児」か「中間齢」かの判定をさせたところ、正答率は、９２．２％であった。
　また、生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた顔写真とは別の「乳幼児」および「中間齢」の顔写真各３０００枚について、「乳幼児」か「中間齢」かの判定をさせたところ、正答率は、９１．５％であった。
［参考例：疾患の予測］
　トイプードルの顔写真（一例として、図８～図１０のカラー写真。２５６×２５６ピクセルに統一した。）を図７の表記載の枚数用いて、ディープラーニングを行い、学習済みモデルを生成した。
　人工知能（ニューラルネットワーク）としては、GoogleNetを用い、学習用ソフトウェアとして、NVIDIA DIGITS　Ver.3.0.0を用い、写真データを疾患への罹患の有無でラベル付けをしてディープラーニングを行った。
　眼科系疾患については、教師データ用写真として、写真撮影後１年以内に眼科系疾患に罹患したトイプードルの写真を４８００枚、１年以内に眼科系疾患に罹患しなかったトイプードルの写真を４８００枚用いて学習済みモデルＡの生成を行った。
　生成された学習済みモデルＡについて、学習用に用いた９６００枚の写真のうち、２４００枚を用いてテストを行ったところ、眼科系疾患の有無の判定の正答率（実際に１年以内に疾患に罹患した動物の写真を「疾患罹患あり」と判定した写真の枚数と、実際に１年以内に疾患に罹患しなかった動物の写真を「疾患罹患なし」と判定した写真の合計枚数の、全体の枚数に対する割合）は７０．５％であった。
　耳科系疾患については、教師データ用写真として、写真撮影後１年以内に耳科系疾患に罹患したトイプードルの写真を６４００枚、１年以内に耳科系疾患に罹患しなかったトイプードルの写真を６４００枚用いて学習済みモデルＢの生成を行った。
　生成された学習済みモデルＢについて、学習用に用いた１２８００枚の写真のうち、３２００枚を用いてテストを行ったところ、耳科系疾患の有無の判定の正答率は５６．４％であった。
　皮膚系疾患については、教師データ用写真として、写真撮影後１年以内に皮膚科系疾患に罹患したトイプードルの写真を６４００枚、１年以内に皮膚科系疾患に罹患しなかったトイプードルの写真を６４００枚用いて学習済みモデルＣの生成を行った。
　生成された学習済みモデルＣについて、学習用に用いた１２８００枚の写真のうち、３２００枚を用いてテストを行ったところ、皮膚科系疾患の有無の判定の正答率は６４．９％であった。
　上記で生成された学習済みモデルＡ～Ｃについて、教師用データとして用いなかったトイプードルの画像を用いて判定を行った。
　眼科系疾患については、教師用データとして用いなかったトイプードルの画像を４０６６枚使用し、うち、２０３３枚が眼科系疾患に罹患しなかったトイプードルの画像（「事故なし」）であり、２０３３枚が撮影から１年以内に眼科系疾患に罹患したトイプードルの画像（「事故あり」）であった。学習済みモデルＡは、トイプードルの疾患の予測として、正答率が７０．１％であった。
　耳科系疾患については、教師用データとして用いなかったトイプードルの画像を４０００枚使用し、うち、２０００枚が耳科系疾患に罹患しなかったトイプードルの画像（「事故なし」）であり、２０００枚が撮影から１年以内に耳科系疾患に罹患したトイプードルの画像（「事故あり」）であった。学習済みモデルＢは、トイプードルの疾患の予測として、正答率が５５．０％であった。
　皮膚科系疾患については、教師用データとして用いなかったトイプードルの画像を４０００枚使用し、うち、２０００枚が皮膚科系疾患に罹患しなかったトイプードルの画像（「事故なし」）であり、２０００枚が撮影から１年以内に皮膚科系疾患に罹患したトイプードルの画像（「事故あり」）であった。学習済みモデルＣは、トイプードルの疾患の予測として、正答率が６３．９％であった。

 

Claims (9)

  1. 　ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、前記判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、
    　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする保険料算出システム。
  2. 　前記動物が、犬である請求項１記載の保険料算出システム。
  3. 　前記動物が、猫である請求項１記載の保険料算出システム。
  4. 　前記動物の顔画像が、動物の顔を正面から撮影した画像である請求項１～３のいずれか一項記載の保険料算出システム。
  5. 　動物の年齢と保険料を含む保険料テーブルを記憶する記憶部を更に備え、前記保険料算出手段が、保険料テーブルを用いて保険料を算出する請求項１～４のいずれか一項記載の保険料算出システム。
  6. 　ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、を備える年齢予測システムであって、
    　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする年齢予測システム。
  7. 　ヒトを除く動物の顔画像からその動物の年齢の予測をする学習済みモデルの生成方法であって、教師データとして、ヒトを除く動物の顔画像と、その動物の撮影時の年齢を人工知能を含むコンピュータに入力し、人工知能に学習させることを特徴とする学習済みモデルの生成方法。
  8. 　ヒトを除く動物の顔画像を用意するステップと、
    　前記顔画像を学習済みモデルに入力し、コンピュータが前記学習済みモデルを用いて、前記入力された動物の顔画像からその動物の顔画像撮影時の年齢の予測を出力するステップと、当該年齢の予測に基づいて当該動物に対する保険料を算出するステップと、を有する保険料算出方法であって、
    　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢とする学習済みモデルであることを特徴とする保険料算出方法。
  9. 　ヒトを除く動物の顔画像の入力を受け付ける受付手段と、学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する判定手段と、前記判定手段が予測判定した年齢を元に保険への加入可否を判定する保険加入可否判定手段と、を備える保険加入可否判定システムであって、
    　前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルであることを特徴とする保険加入可否判定システム。
PCT/JP2021/031226 2020-08-28 2021-08-25 保険料算出システム及び保険料算出方法 WO2022045214A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP21861637.3A EP4207010A4 (en) 2020-08-28 2021-08-25 CALCULATION SYSTEM FOR INSURANCE PREMIUMS AND CALCULATION METHODS FOR INSURANCE PREMIUMS
US18/023,644 US20230245243A1 (en) 2020-08-28 2021-08-25 Insurance premium calculation system and insurance premium calculation method
CN202180053421.9A CN116057549A (zh) 2020-08-28 2021-08-25 保险费计算系统和保险费计算方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020145099A JP7082647B2 (ja) 2020-08-28 2020-08-28 保険料算出システム及び保険料算出方法
JP2020-145099 2020-08-28

Publications (1)

Publication Number Publication Date
WO2022045214A1 true WO2022045214A1 (ja) 2022-03-03

Family

ID=80355365

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/031226 WO2022045214A1 (ja) 2020-08-28 2021-08-25 保険料算出システム及び保険料算出方法

Country Status (5)

Country Link
US (1) US20230245243A1 (ja)
EP (1) EP4207010A4 (ja)
JP (1) JP7082647B2 (ja)
CN (1) CN116057549A (ja)
WO (1) WO2022045214A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006323507A (ja) * 2005-05-17 2006-11-30 Yamaha Motor Co Ltd 属性識別システムおよび属性識別方法
JP2017224188A (ja) 2016-06-16 2017-12-21 アニドック株式会社 飼育動物の保険加入支援システム、飼育支援システム、及びプログラム
JP2018026100A (ja) 2016-08-01 2018-02-15 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 保険金算出装置、保険金算出方法及び保険金算出プログラム
JP2019010004A (ja) * 2017-06-29 2019-01-24 株式会社Ｐｅｃｏ 情報処理システム及びプログラム
JP6734457B1 (ja) * 2019-10-28 2020-08-05 アニコム ホールディングス株式会社 疾患予測システム、保険料算出システム及び疾患予測方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW359781B (en) * 1993-05-25 1999-06-01 Casio Computer Co Ltd Animal image display controlling devices and method thereof
US7246070B2 (en) * 2004-09-24 2007-07-17 James Dennis Schwartz Method and apparatus for bundling insurance coverages in order to gain a pricing advantage
US10235467B2 (en) * 2015-12-11 2019-03-19 Samsung Electronics Co., Ltd. Providing search results based on an estimated age of a current user of a mobile computing device
CN107229947B (zh) * 2017-05-15 2020-11-06 翔创科技（北京）有限公司 一种基于动物识别的金融保险方法及系统
WO2019064743A1 (ja) * 2017-09-28 2019-04-04 パナソニックＩｐマネジメント株式会社 認証装置、認証システム、認証方法、及びプログラム
JP6894858B2 (ja) * 2018-02-05 2021-06-30 ヤフー株式会社 情報処理装置、情報処理方法および情報処理プログラム
CN110414298B (zh) * 2018-04-28 2023-07-07 中山大学 一种猴脸多属性联合识别方法
CN111292146B (zh) * 2018-12-07 2023-06-13 泰康保险集团股份有限公司 保险推荐方法及装置、计算机存储介质、电子设备
CN110717401A (zh) * 2019-09-12 2020-01-21 Oppo广东移动通信有限公司 年龄估计方法及装置、设备、存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006323507A (ja) * 2005-05-17 2006-11-30 Yamaha Motor Co Ltd 属性識別システムおよび属性識別方法
JP2017224188A (ja) 2016-06-16 2017-12-21 アニドック株式会社 飼育動物の保険加入支援システム、飼育支援システム、及びプログラム
JP2018026100A (ja) 2016-08-01 2018-02-15 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 保険金算出装置、保険金算出方法及び保険金算出プログラム
JP2019010004A (ja) * 2017-06-29 2019-01-24 株式会社Ｐｅｃｏ 情報処理システム及びプログラム
JP6734457B1 (ja) * 2019-10-28 2020-08-05 アニコム ホールディングス株式会社 疾患予測システム、保険料算出システム及び疾患予測方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4207010A4

Also Published As

Publication number Publication date
JP7082647B2 (ja) 2022-06-08
US20230245243A1 (en) 2023-08-03
EP4207010A1 (en) 2023-07-05
JP2022039845A (ja) 2022-03-10
EP4207010A4 (en) 2024-01-03
CN116057549A (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
WO2021085313A1 (ja) 疾患予測システム、保険料算出システム及び疾患予測方法
Berns et al. Functional MRI in awake dogs predicts suitability for assistance work
US20170262980A1 (en) Image analysis for determining characteristics of groups of individuals
US9355329B2 (en) Image analysis for determining characteristics of pairs of individuals
Feighelstein et al. Explainable automated pain recognition in cats
KR102494384B1 (ko) 기저귀 대변 이미지를 활용한 아기 건강 진단 솔루션 제공 방법, 장치 및 시스템
CN116615787A (zh) 用于分类宠物信息的系统和方法
CN114118755A (zh) 基于rpa和ai的牲畜养殖管理方法、装置、设备及存储介质
WO2022045214A1 (ja) 保険料算出システム及び保険料算出方法
US9098898B2 (en) Image analysis for determining characteristics of individuals
CN110110750B (zh) 一种原始图片的分类方法及装置
JP7360496B2 (ja) 判定システム
JP7503041B2 (ja) 保険料算出システム及び保険料算出方法
CN117672501A (zh) 一种基于人工智能的宠物健康初筛系统
WO2023008571A1 (ja) 個体識別システム及び個体識別方法
JP7330258B2 (ja) 感情判定システム及び感情判定方法
Graham The potential impact of artificial intelligence in equine practice
JP2022184223A (ja) ペット販売価格判定システム及びペット販売価格判定方法
GB2618780A (en) Health tracking method and system
JP2023125869A (ja) 個体識別システム及び個体識別方法
KR20230086554A (ko) 전자 장치의 사용을 관리하는 방법 및 장치
Wells et al. The Head Space Project Canine Chiari Group at The University of Surrey

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21861637

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021861637

Country of ref document: EP

Effective date: 20230328