申请/专利权人：北京深智恒际科技有限公司

申请日：2020-05-08

公开（公告）日：2024-03-26

公开（公告）号：CN111523615B

主分类号：G06V10/764

分类号：G06V10/764;G06Q40/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2024.02.23#著录事项变更;2020.09.04#实质审查的生效;2020.08.11#公开

摘要：本发明公开了一种实现车辆外观专业性损伤标注的流水线闭环流程方法，属于图像识别技术领域。本发明所述方法通过事先搜集大量的定损图像信息，并对图像中的损伤做好了较为细致的分类，获取到了一定范围内的统一化、标准化数据资料，减少了完全依赖专业性知识才能完成的标注任务，最终实现数据统一化安全性管理。所述方法具有对标注人员的专业性知识要求较低；标注结果一致性高；提高生产能力；数据安全有保障；降低生产成本等优点，在实现车辆定损的智能化方面具有良好的应用前景。

主权项：1.一种实现车辆外观专业性损伤标注的流水线闭环流程方法，其特征在于，包括以下步骤：1预先收集一定数量的定损图像信息，并对图像中的损伤进行分类，形成“标准损伤示例图”图库；将需要标注的车辆损伤图像数据导入；2通过数据筛选分类模型对数据进行初步过滤，所述数据筛选分类模型是以resnet-51为基础网络结构，构建的二分类CNN模型，用于将后续阶段的无效数据与车辆外观图像进行区分，从而降低后续流程中需要分析的无效数据量；3初步过滤出的有用图像进入人工筛选环节进行再次筛选，筛选出有用的车辆损伤图像，达到进一步剔除掉无效数据的目的，人工筛选出的有用图像实时流入到下一步骤的标注任务中；4人工执行标注任务：由标注员参照“标准损伤示例图”图库进行标注作业；5当步骤4产出的数据达到了一定阈值时，启动损失分析模型，将模型标注的数据与步骤4中的人工标注数据进行自动化差异性比较，所述阈值根据当天标注人员数量进行预先设定；所述损失分析模型是一个基于resnet-51网络结构训练的多分类CNN模型，其能判别出当前图像属于各个类型的置信度，对当前标注数据进行预测，得到模型预测的最高可能的损伤类型，及其置信度，近而将预测结果与人工标注结果进行比对，利用类型的一致与否，及置信度高低，进行数据拆分；6自动化差异性比较中获得的无差异数据直接保存至“合格数据库”，作为优化提升模型而使用，实现数据标注与模型训练的无缝链接。

全文数据：

权利要求：

百度查询： 北京深智恒际科技有限公司 一种实现车辆外观专业性损伤标注的流水线闭环流程方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD