Gépjármű-biztosítás
Autókárészlelési adatkészlet az autóipar számára
Videó- és képadatkészletek gyűjtése, jegyzetelése és szegmentálása a modellképzéshez
Kiemelt ügyfelek
A csapatok felhatalmazása a világelső AI termékek gyártására.
A mesterséges intelligencia (AI) már nem divatszó. Ez olyan mainstream, ahogy van. A társkereső alkalmazásoktól az Automotive AI-ig minden technológiai elemben van egy csepp mesterséges intelligencia, és az autóbiztosítás sem más.
Az autóbiztosításban a mesterséges intelligencia jelentős potenciállal rendelkezik a járműkárok gyors becslésére. Az AI-algoritmusok fejlődésével hamarosan a manuálisan végzett értékelés a múlté lesz. A kárbecslést hagyományosan több fél végezte, ami időigényes volt, nagymértékben hajlamos volt az emberi hibákra, ami pontatlan költségbecslésekhez vezetett.
ipar:
A globális autóipari ütközések javítási piacának mérete 185.98 milliárd USD volt 2020-ban. Várhatóan a CAGR-kal bővül. 2.1% re 2021 a 2028.
ipar:
Az Egyesült Államok autóipari ütközés-javítási piacának értéke 33.75-ban 2018 milliárd USD volt, és várhatóan a CAGR-kal fog növekedni. 1.5% tól 2019 a 2025
A Verisk – egy adatelemző társaság szerint – az Egyesült Államok autóbiztosítói évente 29 milliárd dollárt veszítenek a járművek sérüléseinek felderítése és értékelése során felmerülő hibák és kihagyott információk miatt.
Hogyan segít a mesterséges intelligencia az autók sérüléseinek észlelésében?
A gépi tanulás széles körben elterjedt, amikor az ismétlődő manuális folyamatok automatizálásáról van szó. A következő generációs technológiával, algoritmusokkal és keretrendszerekkel a mesterséges intelligencia megértheti a sérült alkatrészek azonosításának és felismerésének folyamatát, felmérheti a sérülés mértékét, megjósolhatja a szükséges javítás típusát és megbecsülheti a teljes költséget. Ezt az ML modellek betanítására szolgáló Image/Video Annotation for Computer vision segítségével lehet elérni. Az ML modellek kinyerhetnek, elemezhetnek és olyan betekintést nyújtanak, amely gyors ellenőrzési folyamatot eredményez, amely nagyobb pontossággal veszi figyelembe az utat, az időjárást, a világítást, a sebességet, a sérülés típusát, a baleset súlyosságát és a forgalmat.
Lépések egy robusztus AI képzési adatok létrehozásához
A gépi tanulási modellek járműsérülések észlelésére és felmérésére való betanításához minden a kiváló minőségű képzési adatok beszerzésével kezdődik, majd ezt követi az adatjelölés és az adatszegmentálás.
Adatgyűjtés
Az ML-modellek betanítása jelentős mennyiségű releváns képi/videóadatot igényel. Minél több adat áll rendelkezésre különböző forrásokból, annál jobb lesz a modell. Olyan nagy autóbiztosítókkal dolgozunk együtt, amelyeknek már számos képük van törött autóalkatrészekről. Segítünk 360°-os szögű képeket és/vagy videókat gyűjteni a világ minden tájáról, hogy betanítsa ML modelljeit.
Adatengedélyezés
Engedélyezze a kész járműkép-adatkészletet/autókép-adatkészletet a gépi tanulási modellek betanításához a járműkárok pontos felmérése érdekében, hogy előre jelezze a biztosítási károkat, miközben minimalizálja a biztosítótársaságok veszteségét.
Adatok megjegyzése
Az adatok összegyűjtése után a rendszernek automatikusan azonosítania és elemeznie kell az objektumokat és a forgatókönyveket, hogy felmérje a valós károkat. Ez az a hely, ahol az adatjegyzők segítenek több ezer kép/videó megjegyzésében, amelyek tovább használhatók az ML modellek betanításához.
Az annotátorok segíthetnek a horpadások, horpadások vagy repedések feljegyzésében az autó külső/belső paneljein, beleértve a lökhárítókat, sárvédőket, negyedelemeket, ajtókat, motorháztetőket, motort, üléseket, tárolót, csomagtartókat stb.
Adatok szegmentálása
Miután az adatok feljegyzésre kerültek, azok a következőképpen szegmentálhatók vagy osztályozhatók:
- Sérülés vs nem sérült
- Sérülési oldal: elöl, hátul, hátul
- A sérülés súlyossága: Enyhe, Közepes, Súlyos
- Sérülések besorolása: Lökhárító horpadás, Ajtóhorpadás, Üvegtörés, Fényszóró törött, Hátsó lámpa törött, Karcolás, Törés, Nincs sérülés, stb.
Járműkárészlelési adatkészletek
Sérült háromkerekű képadatkészlet
55 1000 megjegyzésekkel ellátott kép (modellenként 2) kétkerekűekről metaadatokkal együtt.
- Felhasználási eset: Járműsérülések észlelése
- Formátum: képek
- Volume: 55,000 +
- Jegyzet: Igen
Sérült háromkerekű képadatkészlet
82 1000 megjegyzésekkel ellátott kép (modellenként 3) háromkerekűekről metaadatokkal együtt
- Felhasználási eset: Járműsérülések észlelése
- Formátum: képek
- Volume: 82,000 +
- Jegyzet: Igen
Sérült háromkerekű képadatkészlet
32 4 megjegyzésekkel ellátott kép (a metaadatokkal együtt) a sérült négykerekűekről.
- Felhasználási eset: Járműsérülések észlelése
- Formátum: képek
- Volume: 32,000 +
- Jegyzet: Igen
Sérült járművek (kisebb) videoadatkészlet
5.5k videó kisebb sérülésekkel rendelkező autókról Indiából és Észak-Amerikából
- Felhasználási eset: Járműsérülések észlelése
- Formátum: Videók
- Volume: 5,500 +
- Jegyzet: Nem
Ki részesül?
A Shaip kiváló minőségű adataira épülő ML modell segíthet
AI cégek
amelyek gépi tanulási modelleket építenek az autóbiztosításokhoz
Biztosító társaságok
a csalások megelőzésével és a jegyzési folyamat felgyorsításával
Autójavítási szolgáltatások
a költségbecslés és a javítások szükséges átláthatóságának megteremtésével
Autókölcsönző szolgáltatások
azáltal, hogy átláthatóságot teremt az ügyfél és a kölcsönző cég között autóbérlés közben
Képességünk
Emberek (People)
Dedikált és kiképzett csapatok:
- Több mint 30,000 munkatárs az adatok létrehozásához, címkézéséhez és minőségbiztosításához
- Hitelesített projektmenedzsment csapat
- Tapasztalt termékfejlesztő csapat
- Tehetséggondozási és beszállítói csapat
folyamat
A legnagyobb hatékonyságot az alábbiak biztosítják:
- Robusztus 6 Sigma Stage-Gate folyamat
- 6 Sigma fekete övből álló elkötelezett csapat - A legfontosabb folyamattulajdonosok és a minőségi megfelelés
- Folyamatos fejlesztés és visszacsatolási hurok
Emelvény
A szabadalmaztatott platform előnyöket kínál:
- Webalapú végpontok közötti platform
- Kifogástalan minőség
- Gyorsabb TAT
- Zökkenőmentes szállítás
Miért Shaip?
Felügyelt munkaerő a teljes irányítás, a megbízhatóság és a termelékenység érdekében
Erőteljes platform, amely támogatja a különböző típusú megjegyzéseket
Minimális 95% -os pontosság biztosított a kiváló minőség érdekében
Globális projektek több mint 60 országban
Vállalati szintű SLA-k
Kategóriájában a legjobb valós idejű vezetési adathalmazok
Készen áll az AI erejének kiaknázására? Felveszi a kapcsolatot!