从损害评估到驾驶辅助，计算机视觉技术无处不在

在2012年的一次历史性的ImageNet竞赛中，由Geoff Hinton领导的一个团队首次亮相了一种新的网络架构，其性能超过了所有以前在基于计算机的图像识别方面所做的努力。就这样，以计算机视觉为原始用例的深度学习时代诞生了。从那时起，计算机视觉能力一直处于领先地位。era of deep learning

用外行的话说，计算机视觉(CV)是人类视觉的自动化。自动瞄准的能力打开了整个经济领域的市场机会，包括依赖于资产视觉评估的保险：为保单定价和承保，或者在事故发生后确定损害程度。计算机准备好通过接触较新的物体和关于先前识别的物体的闭环反馈来看到。要使简历成功，计算机必须接触到许多图像和视频，并对其进行分析并接收分析反馈。承运商受益于精确的承保，减少了对理算员进行实物检查物业的需要，减少了人为错误和欺诈，并加快了提交和索赔的速度。

近年来，算法的效率呈指数级增长。尽管在机器智能支持的图像识别和分析方面取得了重大进展，但事实证明，基于保险领域此类系统的企业规模转型是难以实现的，直到最近，保险技术公司出现，以利用这一机会。虽然一些发展，如将计算机视觉整合到承保系统中需要更长的时间，但其他一些发展，如损失评估，变化得更快。exponential increase

CAPE Analytics和Betterview正在为财产保险流程构建计算机视觉解决方案。使用地理空间数据，他们评估建筑材料、屋顶条件和平方英尺、碎片表面积、离植被的距离以及决定房产风险状况的无数其他因素。CV从数十年的历史数据中学习，能够实时、大规模地进行这种分析，这与派遣专家手动检查房产大相径庭。

在汽车保险领域，越来越多的承运人(如Ageas)使用Tracable的CV来创建汽车损坏评估和维修估计。在早些时候关于欧洲保险技术的一篇帖子中，Tractable被强调为最近的独角兽，跨行业，一直是简历的先行者。Tractable使用深度学习作为简历，对数百万张汽车损坏的照片进行了培训。AGEAS的投保人通过向CV引擎提交事故照片，可以在几分钟内收到关于下一步行动的决定-即使是在最初的电话中也是如此。易处理的CV引擎固有的人工智能能力，加快了Ageas的响应速度，允许快速评估车辆损坏并生成全面的维修评估。该解决方案支持人类评估员迄今在评估车辆损坏时执行的复杂任务。车辆的受影响部件和损坏程度被迅速评估，以得出建议的维修、油漆和混合成本的完整估计。a earlier post

配备全面风险管理解决方案的企业面临更低的风险水平和更低的覆盖成本。Mobileye就是这样一个解决方案，该公司利用CV制造先进的驾驶员辅助系统(ADAS)，用于避免碰撞。Mobileye在车辆前部放置摄像头，并监控摄像头输入。当司机偏离车道或速度时，该系统会在遇到威胁时向司机发出警报，并另外提供自动刹车。advanced driver assistance system

Mobileye的有效性可以通过在他们的车队中实施Dish Network来衡量，这导致碰撞减少了88%。企业和个人正在采用这项技术来减少汽车事故和降低保险成本。an 88 percent reduction

计算机视觉在保险中的使用，通过为人类执行这些程序提供视觉辅助，简化了承保和索赔处理。CV正在通过缩短所需时间和遏制欺诈来协助保险业精简运营。简历预示着保险索赔过程的客观性和无可争议时代的到来。承运人从基础流程的详细视角中获益，并得到事实和证据的支持。

封面图片Cover Image

最初发布于：https://dailyfintech.com/2021/07/08/from-damage-assessment-to-driver-assistance-computer-vision-tech-pervades/1https://dailyfintech.com/2021/07/08/from-damage-assessment-to-driver-assistance-computer-vision-tech-pervades/ 1