【技術實現步驟摘要】
本申請涉及金融科技和人工智能，尤其涉及一種車輛損傷檢測方法、裝置、設備及存儲介質。
技術介紹
1、在金融科技領域的車輛定損場景中，被保車輛若出現碰撞、剮蹭等事故，保險機構的定損人員需要現場勘查并拍攝被保車輛的損傷圖像，再對被保車輛的損傷圖像進行損傷檢測，得到被保車輛的損傷類別，來作為保險機構的理賠依據。
2、目前，通常采用目標檢測模型如快速區域卷積神經網絡(fast?regionalconvolutional?neural?networks，faster?rcnn)，單次檢測器網絡(single?shotmultibox?detector，ssd)實現損傷檢測。然而，目標檢測模型的性能與訓練數據的質量呈正相關，要求訓練數據滿足體量大、攜帶標注等條件，這就需要耗費大量的人力進行人工標注，增加了人力成本，少量攜帶標注的訓練數據則會導致目標檢測模型過擬合，影響損傷檢測的準確性。
3、因此，如何降低人工標注的人力成本，提高損傷檢測的準確性，成為了亟待解決的技術問題。
技術實現思路
1、本申請實施例的主要目的在于提出一種車輛損傷檢測方法、裝置、設備及存儲介質，旨在降低人工標注的人力成本，提高損傷檢測的準確性。
2、為實現上述目的，本申請實施例的第一方面提出了一種車輛損傷檢測方法，所述方法包括：
3、獲取已標注車輛損傷圖像樣本集，并調用預設損傷檢測模型，其中，所述預設損傷檢測模型包括教師網絡和學生網絡；
4、根據所述已標注車輛損傷圖像
5、獲取未標注車輛損傷圖像樣本集；
6、基于主動學習，通過所述已訓練的教師網絡，從所述未標注車輛損傷圖像樣本集篩選出待標注車輛損傷圖像樣本；
7、對所述待標注車輛損傷圖像樣本進行標注處理，得到新的已標注車輛損傷圖像樣本；
8、將所述新的已標注車輛損傷圖像樣本添加至所述已標注車輛損傷圖像樣本集，得到目標已標注車輛損傷圖像樣本集；
9、根據所述目標已標注車輛損傷圖像樣本集，對所述已訓練的教師網絡和所述已訓練的學生網絡進行增量訓練，得到訓練好的損傷檢測模型；
10、獲取目標車輛損傷圖像；
11、通過所述訓練好的損傷檢測模型，對所述目標車輛損傷圖像進行損傷檢測，得到所述目標車輛損傷圖像的目標損傷類別。
12、為實現上述目的，本申請實施例的第二方面提出了一種車輛損傷檢測裝置，所述裝置包括：
13、已標注樣本獲取模塊，用于獲取已標注車輛損傷圖像樣本集，并調用預設損傷檢測模型，其中，所述預設損傷檢測模型包括教師網絡和學生網絡；
14、模型訓練模塊，用于根據所述已標注車輛損傷圖像樣本集，對所述教師網絡和所述學生網絡進行訓練，得到已訓練的教師網絡和已訓練的學生網絡；
15、未標注樣本獲取模塊，用于獲取未標注車輛損傷圖像樣本集；
16、樣本篩選模塊，用于基于主動學習，通過所述已訓練的教師網絡，從所述未標注車輛損傷圖像樣本集篩選出待標注車輛損傷圖像樣本；
17、樣本標注模塊，用于對所述待標注車輛損傷圖像樣本進行標注處理，得到新的已標注車輛損傷圖像樣本；
18、樣本添加模塊，用于將所述新的已標注車輛損傷圖像樣本添加至所述已標注車輛損傷圖像樣本集，得到目標已標注車輛損傷圖像樣本集；
19、模型增量訓練模塊，根據所述目標已標注車輛損傷圖像樣本集，對所述已訓練的教師網絡和所述已訓練的學生網絡進行增量訓練，得到訓練好的損傷檢測模型；
20、圖像獲取模塊，用于獲取目標車輛損傷圖像；
21、損傷檢測模塊，用于通過所述訓練好的損傷檢測模型，對所述目標車輛損傷圖像進行損傷檢測，得到所述目標車輛損傷圖像的目標損傷類別。
22、為實現上述目的，本申請實施例的第三方面提出了一種計算機設備，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現上述第一方面所述的方法。
23、為實現上述目的，本申請實施例的第四方面提出了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述第一方面所述的方法。
24、本申請提出的車輛損傷檢測方法、裝置、設備及存儲介質，通過已標注車輛損傷圖像樣本集，對預設損傷檢測模型的教師網絡和學生網絡進行訓練，得到已訓練的教師網絡和已訓練的學生網絡，從而基于主動學習，通過已訓練的教師網絡，實現了從未標注車輛損傷圖像樣本集中，篩選出最有信息量或最有價值的待標注車輛損傷圖像樣本進行標注處理，得到新的已標注車輛損傷圖像樣本，添加至已標注車輛損傷圖像樣本集，獲得目標已標注車輛損傷圖像樣本集，能夠顯著減少標注量，降低了人工標注的人力成本，以便充分利用目標已標注車輛損傷圖像樣本集中原有的已標注車輛損傷圖像樣本和新的已標注車輛損傷圖像樣本，對已訓練的教師網絡和已訓練的學生網絡進行增量訓練，確保在學習到新的已標注車輛損傷圖像樣本的知識同時，保留原有的的已標注車輛損傷圖像樣本的知識，從而能夠確保訓練好的損傷檢測模型的適應性和穩定性，極大地提高了訓練好的損傷檢測模型的性能，以便于通過性能更高的訓練好的損傷檢測模型實現對目標車輛損傷圖像的損傷檢測，極大地提高了損傷檢測的準確性。
本文檔來自技高網...【技術保護點】
1.一種車輛損傷檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于主動學習，通過所述已訓練的教師網絡，從所述未標注車輛損傷圖像樣本集篩選出待標注車輛損傷圖像樣本，包括：
3.根據權利要求2所述的方法，其特征在于，所述根據所述預測損傷矩形框的信息熵，從所述未標注車輛損傷圖像樣本集篩選出所述待標注車輛損傷圖像樣本，包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述總信息熵和所述平均信息熵，從所述未標注車輛損傷圖像樣本集篩選出所述待標注車輛損傷圖像樣本，包括：
5.根據權利要求1所述的方法，其特征在于，所述根據所述已標注車輛損傷圖像樣本集，對所述教師網絡和所述學生網絡進行訓練，得到已訓練的教師網絡和已訓練的學生網絡，包括：
6.根據權利要求5所述的方法，其特征在于，所述將所述已標注車輛損傷圖像樣本集，分別輸入至所述教師網絡和所述學生網絡進行訓練，獲取損傷分類損失值和知識蒸餾損失值，包括：
7.根據權利要求1至6任一項所述的方法，其特征在于，所述獲取已標注車輛損傷圖像
8.一種車輛損傷檢測裝置，其特征在于，所述裝置包括：
9.一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述的車輛損傷檢測方法。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的車輛損傷檢測方法。
...【技術特征摘要】
1.一種車輛損傷檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于主動學習，通過所述已訓練的教師網絡，從所述未標注車輛損傷圖像樣本集篩選出待標注車輛損傷圖像樣本，包括：
3.根據權利要求2所述的方法，其特征在于，所述根據所述預測損傷矩形框的信息熵，從所述未標注車輛損傷圖像樣本集篩選出所述待標注車輛損傷圖像樣本，包括：
4.根據權利要求3所述的方法，其特征在于，所述根據所述總信息熵和所述平均信息熵，從所述未標注車輛損傷圖像樣本集篩選出所述待標注車輛損傷圖像樣本，包括：
5.根據權利要求1所述的方法，其特征在于，所述根據所述已標注車輛損傷圖像樣本集，對所述教師網絡和所述學生網絡進行訓練，得到已訓練的教師網絡和已訓練的學生網絡，包...
【專利技術屬性】
技術研發人員：康甲，劉莉紅，陳遠旭，肖京，
申請(專利權)人：平安科技深圳有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。