语义分割的不确定性估计：为自动化车险理赔处理提供增强的可靠性
计算机视觉与模式识别
2024-05-20 v2
摘要
用于图像分割的深度神经网络模型可成为保险行业自动化车险理赔处理过程的有力工具。一个关键方面是模型输出在面对不利条件（如索赔人拍摄的低质量损伤照片）时的可靠性。我们探索使用元分类模型来经验性地评估针对车身部件语义分割训练的模型所预测分割的精度。我们比较了与分割质量相关的不同特征集，在区分高质量和低质量分割方面实现了 0.915 的 AUROC 分数。通过移除低质量分割，分割输出的平均 mIoU 提高了 16 个百分点，错误预测的分割数量减少了 77%。
引用
@article{arxiv.2401.09245,
title = {Uncertainty estimates for semantic segmentation: providing enhanced reliability for automated motor claims handling},
author = {Jan Küchler and Daniel Kröll and Sebastian Schoenen and Andreas Witte},
journal= {arXiv preprint arXiv:2401.09245},
year = {2024}
}
备注
11 pages, 10 figures, 3 tables