理赔定损方法和装置、计算机设备及存储介质与流程

摘要: 本发明涉及人工智能技术、自然语言处理,应用于金融科技场景,尤其涉及一种理赔定损方法和装置、计算机设备及存储介质。背景技术:1、在保险行业的理赔定损业务中,相关技...
理赔定损方法和装置、计算机设备及存储介质与流程

本发明涉及人工智能技术、自然语言处理,应用于金融科技场景,尤其涉及一种理赔定损方法和装置、计算机设备及存储介质。

背景技术:

1、在保险行业的理赔定损业务中,相关技术基于通用图像识别与目标检测网络的初级智能化辅助工具完成理赔定损。但是在现实理赔场景中,理赔过程提交的破损图像数据往往采集于户外多变环境,例如逆光、侧向强光、树荫斑驳或者夜间补光不均匀等复杂光照条件。或者,提交的破损图像数据是细微破损的图像数据。普通的图像识别和目标检测网络因其卷积核感受野与通道注意力机制未针对光学特性进行先验设计,极易将此类微弱纹理信号归因为环境噪声或光照伪影,导致浅层破损被直接过滤。因此,智能化辅助工具难以准确地识别出破损区域,影响理赔定损的准确性。

技术实现思路

1、本发明提供一种人工智能的理赔定损方法和装置、计算机设备及存储介质,以解决难以准确识别破损区域,影响理赔定损准确性的技术问题。

2、第一方面,提供了一种理赔定损方法,包括:

3、获取目标多模态特征集;其中,所述目标多模态特征集包括目标对象的目标图像特征、目标文本特征以及目标结构化特征;其中,所述目标文本特征用于描述所述目标对象的破损情况,所述目标结构化特征用于表征所述目标对象的类别、材质;

4、根据所述目标文本特征对所述目标图像特征进行特征增强处理,得到增强图像特征;

5、通过预设的目标理赔定损网络对所述目标文本特征和所述增强图像特征进行破损定位,得到目标破损区域信息;

6、通过所述目标理赔定损网络和所述目标破损区域信息对所述增强图像特征进行破损特征分割,得到目标破损特征;

7、通过所述目标理赔定损网络、所述目标破损特征和所述目标结构化特征进行理赔费用预估,得到预估理赔费用信息。

8、第二方面,提供了一种理赔定损装置,包括:

9、特征获取模块,用于获取目标多模态特征集;其中,所述目标多模态特征集包括目标对象的目标图像特征、目标文本特征以及目标结构化特征;其中,所述目标文本特征用于描述所述目标对象的破损情况,所述目标结构化特征用于表征所述目标对象的类别、材质;

10、特征增强模块,用于根据所述目标文本特征对所述目标图像特征进行特征增强处理,得到增强图像特征;

11、破损定位模块,用于通过预设的目标理赔定损网络对所述目标文本特征和所述增强图像特征进行破损定位,得到目标破损区域信息;

12、破损特征分割模块,用于通过所述目标理赔定损网络和所述目标破损区域信息对所述增强图像特征进行破损特征分割,得到目标破损特征;

13、费用预估模块,用于通过所述目标理赔定损网络、所述目标破损特征和所述目标结构化特征进行理赔费用预估,得到预估理赔费用信息。

14、第三方面,提供了一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述理赔定损方法的步骤。

15、第四方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述理赔定损方法的步骤。

16、上述理赔定损方法和装置、计算机设备及存储介质所实现的方案中,可以通过获取包含目标对象的图像特征、文本描述特征及结构化属性特征在内的多模态特征集,其中文本特征承载了破损情况的语义描述、结构化特征表征了对象的类别与材质属性,进而以文本特征为引导对图像特征进行自适应增强以弥补视觉信息在模糊、遮挡或隐性破损场景下的不足,再将增强后的图像特征连同文本特征、结构化特征共同输入至包含破损检测模块、分割模块和费用预测模块的目标理赔定损网络,目标理赔定损网络结合文本语义先验对增强图像特征进行精准的破损区域定位,在检测框定的空间约束下执行精细化的像素级破损特征提取,最终综合破损特征与结构化属性进行多维度的理赔费用预估。本发明实施例构建了一条从多源异构信息输入到破损空间定位、再到像素级形态量化、最终到成本映射的完整端到端处理链路,图像、文本与结构化信息在链路的各环节中各司其职且相互增强—文本提前为检测提供语义先验以提升定位准确性,检测结果为分割提供空间约束以降低背景干扰,分割输出的几何度量与结构化提供的配件单价共同驱动费用预估的精细化计算,三者环环相扣、逐级递进且逻辑自洽,显著提升了定损全流程的自动化程度与输出结果的精度一致性。

1.一种理赔定损方法,其特征在于,包括:

2.如权利要求1所述的理赔定损方法,其特征在于,在所述通过预设的目标理赔定损网络对所述目标文本特征和所述增强图像特征进行破损定位,得到目标破损区域信息之前,所述方法包括:

3.如权利要求2所述的理赔定损方法,其特征在于,所述验证信息集包括验证破损区域信息、验证破损特征和验证理赔费用信息;

4.如权利要求3所述的理赔定损方法,其特征在于,所述将所述检测损失数据、所述分割损失数据和所述费用预测损失数据进行拼接,得到目标损失数据,包括:

5.如权利要求1至4任一项所述的理赔定损方法,其特征在于,所述根据所述目标文本特征对所述目标图像特征进行特征增强处理,得到增强图像特征,包括:

6.如权利要求1至4任一项所述的理赔定损方法,其特征在于,所述通过所述目标理赔定损网络、所述目标破损特征和所述目标结构化特征进行理赔费用预估,得到预估理赔费用信息,包括:

7.如权利要求1至4任一项所述的理赔定损方法,其特征在于,在所述通过所述目标理赔定损网络、所述目标破损特征和所述目标结构化特征进行理赔费用预估,得到预估理赔费用信息之后,所述方法还包括:

8.一种理赔定损装置,其特征在于,包括:

9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述理赔定损方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述理赔定损方法的步骤。