HOMEY：结合增强YOLO的启发式目标掩码用于财产保险风险检测
计算机视觉与模式识别
2026-03-20 v1
摘要
自动财产风险检测是计算机视觉中一个高影响力但尚未充分探索的前沿领域，对房地产、承保和保险运营具有直接影响。我们提出了HOMEY（启发式目标掩码与增强YOLO），这是一种新颖的检测框架，将YOLO与领域特定的掩码机制和自定义设计的损失函数相结合。HOMEY经过训练，可检测17种与风险相关的财产类别，包括结构损伤（如裂缝地基、屋顶问题）、维护疏忽（如枯死草坪、杂草丛生）和责任风险（如脱落檐沟、垃圾、危险标志）。我们的方法引入启发式目标掩码以增强杂乱背景中的微弱信号，并采用风险感知损失校准以平衡类别偏斜和严重性权重。在真实财产图像上的实验表明，HOMEY在保持快速推理的同时，相比基线YOLO模型实现了更优的检测准确性和可靠性。除了检测之外，HOMEY还支持可解释且成本效益高的风险分析，为可扩展的AI驱动财产保险工作流奠定基础。
引用
@article{arxiv.2603.18502,
title = {HOMEY: Heuristic Object Masking with Enhanced YOLO for Property Insurance Risk Detection},
author = {Teerapong Panboonyuen},
journal= {arXiv preprint arXiv:2603.18502},
year = {2026}
}
备注
21 pages