从技术角度分析蚂蚁金服的“定损宝”

2017-07-01  本文已影响0人  凤翔天下

“定损宝”是蚂蚁金服在2017年6月28号的发布会上公开的一款基于深度学习和AI技术的车险自动定损的解决方案。有了“定损宝”,将来出车险时,保险公司就不再需要派专员到现场,用户也只需简单拍摄几张现场照片就可以完成整个定损出险的流程。不仅节省了用户的时间,也降低了保险公司出险的成本。可以说这是继人脸识别应用在金融和安防领域之后,计算机视觉技术又开辟另一个大市场。这对AI特别是计算机视觉技术的发展和繁荣都有重大意义。做为该领域的从业人员,我无比的兴奋激动,仿佛升职加薪就在眼前了。

自“定损宝”发布以后有不少新闻报道过,然而但凡涉及技术上的问题这些文章都一带而过;即使在发布会上蚂蚁金服也对其技术细节讳莫如深,让琢磨不透。根据目前掌握的这些公开信息,我总结了一下“定损宝”的技术原理,希望帮助大家理解它背后的这些技术。

  1. “定损宝”自动定损流程

从发布会的演示来看,定损第一步:按照定损宝提示的要求,依次上传车辆的全景照片、受损部位照片以及受损部位细节照片;

上传全景照片 受损部位照片

上传的照片就是自动定损模型的输入。从定损宝的照片要求来分析,它先通过全景照片来定位受损部件,然后用细节照片来分析损伤程度。

之后,定损宝在云端服务器的算法模型根据用户上传图片进行判定,在几秒内给出准确的定损结论。

定损结论

2 . 定损技术分析

定损流程

定损宝背后隐含了几乎所有计算机视觉经典的问题,从数字处理,物体监测和识别,到场景理解和智能决策,背后涉及到目标识别、车辆损失的程度判定,多模态与其他数据的结合等技术。 上图比较清楚的展示了定损宝的底层技术和识别流程。

2.1 部件识别

部件识别

部件识别是一个典型的目标检测的问题,从一个车的图片中检测出各个部件的类别和位置,如识别图片中哪里是前机盖、左前大灯、保险杠、格栅等等。目前流行使用Faster RCNN和SSD等网络来完成这类问题。

2.2 受损程度判定

损伤程度的判定是整个定损中的核心环节。在真实环境中,照片拍摄的车体损伤非常容易受到反光、阴影、污渍、车体流线型干扰以及拍摄角度的影响,从而造成误判,即使是人眼通过照片观察,也很难区分。定损宝针对不同的车型、颜色和光照条件进行模型迭代学习,融合多个模型的经验, 产出了现在的定损宝解决方案。该技术能够输出针对各种程度的刮擦、变形、部件的开裂和脱落等损伤的定损结论。

简单来说,受损程度判定是一个图片分类问题,定损宝把损伤分成了四个大类别:刮擦、变形、部件的开裂和脱落, 各个大类别里面应该根据不同的程度还有细分成小类别。分好类别后,还需为各类别的准备大量标注好的图片。目前有很多不错的深度神经网络可以解决图片分类问题, 如: ResNet, Inception-V3/V4 等等。

2.3 生成维修方案

总体流程

有上面两步确定了损伤部件和部件损伤程度后,剩下的就是确立维修方案了。其实这一步也好办,就是要总结和设计一些保险行业在车辆维修过程中的规则。比如:轻度的剐蹭对应的维修方案为喷漆,中度对应为钣金,重度损伤为更换。
最后就是出报价,这个更加简单了,根据车辆识别码(VIN码)去数据库中查找该车各个部件的OE码,然后根据OE码就能找到各个部件维修和更换的价格了。 每个保险公司的报价可能不一样,最后出的价格也可能不一样。

总的来说,定损宝背后的技术其实不难,关键是训练这些模型的数据量大,清洗标注这些数据更是难上加难了。如果有这些数据,你也能训练一个定损宝出来。

上一篇下一篇

猜你喜欢

热点阅读