JP7503041B2 - Insurance premium calculation system and insurance premium calculation method - Google Patents
Insurance premium calculation system and insurance premium calculation method Download PDFInfo
- Publication number
- JP7503041B2 JP7503041B2 JP2021194899A JP2021194899A JP7503041B2 JP 7503041 B2 JP7503041 B2 JP 7503041B2 JP 2021194899 A JP2021194899 A JP 2021194899A JP 2021194899 A JP2021194899 A JP 2021194899A JP 7503041 B2 JP7503041 B2 JP 7503041B2
- Authority
- JP
- Japan
- Prior art keywords
- animal
- age
- breed
- trained model
- determination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004364 calculation method Methods 0.000 title claims description 118
- 241001465754 Metazoa Species 0.000 claims description 317
- 230000001815 facial effect Effects 0.000 claims description 119
- 201000010099 disease Diseases 0.000 claims description 89
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 89
- 241000282412 Homo Species 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 36
- 238000012937 correction Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 241000282472 Canis lupus familiaris Species 0.000 description 25
- 238000013135 deep learning Methods 0.000 description 12
- 241000282326 Felis catus Species 0.000 description 11
- 208000032625 disorder of ear Diseases 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 235000008314 Echinocereus dasyacanthus Nutrition 0.000 description 7
- 240000005595 Echinocereus dasyacanthus Species 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 208000031295 Animal disease Diseases 0.000 description 4
- 241000282339 Mustela Species 0.000 description 3
- 241000283973 Oryctolagus cuniculus Species 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 208000017520 skin disease Diseases 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000512668 Eunectes Species 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 241000981595 Zoysia japonica Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 235000001954 papillon Nutrition 0.000 description 2
- 244000229285 papillon Species 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010002942 Apathy Diseases 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 208000002177 Cataract Diseases 0.000 description 1
- 206010010741 Conjunctivitis Diseases 0.000 description 1
- 206010011013 Corneal erosion Diseases 0.000 description 1
- 201000004624 Dermatitis Diseases 0.000 description 1
- 206010012438 Dermatitis atopic Diseases 0.000 description 1
- 241000909851 Epiphora Species 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 208000026350 Inborn Genetic disease Diseases 0.000 description 1
- 241000270322 Lepidosauria Species 0.000 description 1
- 206010033078 Otitis media Diseases 0.000 description 1
- 208000006311 Pyoderma Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 206010064996 Ulcerative keratitis Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 201000008937 atopic dermatitis Diseases 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 201000007717 corneal ulcer Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 206010015915 eye discharge Diseases 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 208000016361 genetic disease Diseases 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 206010023332 keratitis Diseases 0.000 description 1
- 208000016747 lacrimal apparatus disease Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 206010033072 otitis externa Diseases 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Description
本発明は、保険料算出システム及び保険料算出方法に関し、詳しくは、動物の顔の画像から、動物の年齢に関する予測を提供し、当該年齢に関する予測に基づいた保険料を算出する保険料算出システム及び保険料算出方法に関する。 The present invention relates to an insurance premium calculation system and method, and more particularly to an insurance premium calculation system and method that provide a prediction of an animal's age from an image of the animal's face and calculate an insurance premium based on the prediction of the age.
犬や猫、ウサギを始めとする愛玩動物、牛や豚を始めとする家畜は、人間にとってかけがえのない存在である。近年、人間が飼育する動物の平均寿命が大幅に伸びた一方で、動物がその一生の中で何らかの疾患に罹患することが多くなり、飼育者が負担する医療費の増大が問題となっている。 Pets such as dogs, cats, and rabbits, as well as livestock such as cows and pigs, are irreplaceable to humans. In recent years, while the average lifespan of animals kept by humans has increased significantly, the number of animals suffering from some kind of disease during their lives has increased, and the increasing medical expenses borne by owners has become a problem.
そのため、愛玩動物の医療費をカバーするペット保険が提供されている。ペット保険は、人間に対する生命保険や医療保険と同様に、動物の年齢に応じて保険料や加入の可否が決まることが多い。ところが、戸籍制度が整備され、身分証明書などにより年齢確認が容易な人間とは異なり、動物は正確な年齢が把握できないことがある。例えば、路上で保護された動物は出生日や年齢が不明であるし、ブリーダーやペットショップを通じて譲渡された動物についても、飼い主が出生に関する記録を紛失したり、年齢を失念することもある。また、ペット保険加入に際して、年齢についての虚偽申告がなされる可能性も否定できない。
また、ペット保険は、高額の医療費をカバーするものであることから必要性が高いにもかかわらず普及率には未だ改善の余地がある。その理由の一つとして、飼い主のペット保険加入へのモチベーションが上がらないことが考えられる。
For this reason, pet insurance is offered to cover medical expenses for pets. Like life and medical insurance for humans, the premium and availability of pet insurance often depend on the age of the animal. However, unlike humans, who have a well-established family registry system and can easily verify an animal's age using identification cards, it is sometimes difficult to determine the exact age of an animal. For example, animals rescued from the streets have unknown birth dates and ages, and even for animals transferred through breeders or pet shops, owners may lose records of birth or forget their age. It is also possible that a false age may be reported when applying for pet insurance.
In addition, pet insurance is highly necessary because it covers expensive medical expenses, but there is still room for improvement in its penetration rate. One of the reasons for this is thought to be a lack of motivation among pet owners to enroll in pet insurance.
そこで、簡易な方法で、ペット保険の対象となる動物の年齢を知る手段が求められている。ペット保険の加入時又は加入審査時の動物の年齢を知ることができれば、年齢に応じた保険料の算出や保険の加入審査が可能となるため、有用である。また、簡易な方法でペットの年齢、例えば、実年齢、健康年齢やペットの容貌が何歳に相当するのかを把握することができれば、飼い主に対して、ペットの健康に気をつけるきっかけともなり、ひいてはペット保険加入へのモチベーションを上げることも期待できる。 Therefore, there is a need for a simple way to know the age of animals covered by pet insurance. If it were possible to know the age of an animal at the time of enrollment in pet insurance or at the time of enrollment screening, it would be useful because it would enable calculation of insurance premiums and enrollment screening according to age. Furthermore, if it were possible to know the age of a pet in a simple way, for example, the equivalent age in terms of actual age, health age, or the pet's appearance, it would encourage pet owners to pay more attention to their pet's health, which would in turn be expected to motivate them to enroll in pet insurance.
特許文献1には、疾病の種類に応じた保険金を算出する装置であって、被保険者のバイタルデータ及び生活習慣データのうち少なくとも一方を含む検出データを取得する取得部と、前記検出データと、少なくとも前記被保険者の年齢を含む被保険者データとを基に、前記疾病の種類毎に保険金を決定する決定部とを備える保険金算出装置が開示されている。特許文献2には、飼育動物の保険加入支援システムが開示されている。 Patent document 1 discloses an insurance payment calculation device that calculates insurance payments according to the type of disease, and that includes an acquisition unit that acquires detection data including at least one of vital data and lifestyle data of the insured person, and a determination unit that determines insurance payments for each type of disease based on the detection data and insured person data including at least the age of the insured person. Patent document 2 discloses an insurance enrollment support system for pet animals.
しかしながら、特許文献1に記載されている算出装置は、人の保険を対象とした保険金算出装置であり、動物用の保険の保険料算出を対象としたものではない。また、特許文献1に記載の保険金算出装置では、被保険者の年齢は予め把握されている。また、特許文献2に記載されている保険加入支援システムは、動物の基本情報と疾病情報から保険加入時期を判定するものであって、動物の年齢の判定機能とそれに基づく保険料算出機能を含むものではない。 However, the calculation device described in Patent Document 1 is an insurance payment calculation device intended for insurance on humans, and is not intended for calculating insurance premiums for insurance on animals. Furthermore, in the insurance payment calculation device described in Patent Document 1, the age of the insured is known in advance. Furthermore, the insurance enrollment support system described in Patent Document 2 determines the timing of enrollment in insurance from basic information and disease information of the animal, but does not include a function for determining the age of the animal and a function for calculating insurance premiums based on that.
そこで、本発明は、簡易な方法で、動物の年齢を予測判定し、年齢の予測判定に応じた保険料算出システム等を提供することを目的とする。 The present invention aims to provide a simple method for predicting and determining the age of an animal and providing an insurance premium calculation system based on the predicted age.
動物を対象とする健康保険、いわゆるペット保険を運営する保険会社には、膨大な数の動物の写真と、その動物の写真撮影時の年齢に関する情報が蓄積されており、本発明者らは、これらを用いて上記課題が解決できないかを検討してきた。その結果、動物の写真とその動物の撮影時の年齢を教師データとして人工知能を学習させると、動物の写真からその動物の年齢を予測判定する予測モデルを生成できることを見いだし、本発明を完成するに至った。 Insurance companies that offer health insurance for animals, commonly known as pet insurance, have accumulated a huge number of photos of animals and information on the ages of the animals at the time the photos were taken, and the inventors have been investigating whether the above-mentioned problems can be solved using these. As a result, they discovered that by training artificial intelligence using photos of animals and their ages at the time the photos were taken as training data, it is possible to generate a prediction model that predicts and determines the age of an animal from its photo, which led to the completion of the present invention.
すなわち、本発明は以下の[1]~[17]である。
[1]ヒトを除く動物の顔画像及び当該動物の品種に関する情報の入力を受け付ける受付手段と、年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、前記品種に関する情報及び前記年齢判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出システム。
[2]ヒトを除く動物の顔画像の入力を受け付ける受付手段と、品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、前記品種判定手段が予測判定した品種と前記年齢判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出システム。
[3]ヒトを除く動物の顔画像の入力を受け付ける受付手段と、品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、疾患判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の疾患に罹患するかを予測判定する疾患判定手段と、前記品種判定手段が予測判定した品種、前記年齢判定手段が予測判定した年齢、及び前記疾患判定手段が予測判定した疾患に罹患する可能性についての情報を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出システム。
[4]前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢の予測判定とする学習済みモデルである[1]~[3]のいずれかの保険料算出システム。
[5]前記品種判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の品種との関係を学習した学習済みモデルである[2]~[4]のいずれかの保険料算出システム。
[6]前記品種判定用学習済みモデルが、動物の顔画像とその動物の品種に関する情報を教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の品種の予測判定とする学習済みモデルである[5]の保険料算出システム。
[7]前記疾患判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の疾患との関係を学習した学習済みモデルである[3]~[6]のいずれかの保険料算出システム。
[8]前記疾患判定用学習済みモデルが、動物の顔画像とその動物の疾患に関する情報を教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の疾患に罹患するかを予測判定とする学習済みモデルである[7]の保険料算出システム。
[9]前記年齢判定手段が、学習済みモデルを複数備え、前記品種判定手段により予測判定された品種に応じた学習済みモデルを用いて判定を行う[2]~[8]のいずれかの保険料算出システム。
[10]前記品種判定手段による品種の予測判定結果を、利用者が入力した予測判定結果に関する情報を用いて修正する品種判定修正手段をさらに備える[2]~[9]のいずれかの保険料算出システム。
[11]前記年齢判定手段による年齢の予測判定結果を、利用者が入力した予測判定結果に関する情報を用いて修正する年齢判定修正手段をさらに備える[1]~[10]のいずれかの保険料算出システム。
[12]動物の年齢と保険料を含む保険料テーブルを記憶する記憶部を更に備え、前記保険料算出手段が、保険料テーブルを用いて保険料を算出する[1]~[11]のいずれかの保険料算出システム。
[13]ヒトを除く動物の顔画像と当該動物の品種に関する情報を用意するステップと、
前記顔画像を学習済みモデルに入力し、コンピュータが前記学習済みモデルを用いて、前記入力された動物の顔画像からその動物の顔画像撮影時の年齢の予測を出力するステップと、当該年齢の予測と品種に関する情報に基づいて当該動物に対する保険料を算出するステップと、を有する保険料算出方法であって、前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢とする学習済みモデルであることを特徴とする保険料算出方法。
[14]ヒトを除く動物の顔画像を用意するステップと、品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定するステップと、年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定するステップと、前記品種判定手段が予測判定した品種と前記年齢判定手段が予測判定した年齢を元に保険料を算出するステップと、を備える保険料算出方法であって、前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出方法。
[15]ヒトを除く動物の顔画像を用意するステップと、品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定するステップと、年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定するステップと、疾患判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の疾患に罹患するかを予測判定するステップと、
前記品種判定手段が予測判定した品種と前記年齢判定手段が予測判定した年齢を元に保険料を算出するステップと、を備える保険料算出方法であって、前記年齢判定学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出方法。
[16]ヒトを除く動物の顔画像及び当該動物の品種に関する情報の入力を受け付ける受付手段と、年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段、を備える年齢予測システムであって、
前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであり、かつ、前記年齢判定手段が、品種に応じた複数の年齢判定用学習済みモデルを含むことを特徴とする年齢予測システム。
[17]ヒトを除く動物の顔画像の入力を受け付ける受付手段と、品種判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段、を備える年齢予測システムであって、前記品種判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の品種との関係を学習した学習済みモデルであり、前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであり、かつ、前記年齢判定手段が、品種に応じた複数の年齢判定用学習済みモデルを含むことを特徴とする年齢予測システム。
That is, the present invention relates to the following [1] to [17].
[1] An insurance premium calculation system comprising: a reception means for receiving input of a facial image of an animal excluding humans and information regarding the breed of the animal; an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination; and an insurance premium calculation means for calculating an insurance premium based on the information regarding the breed and the age predicted and determined by the age determination means, wherein the trained model for age determination is a trained model that has learned the relationship between the facial image of an animal excluding humans and the age of the animal at the time of photographing.
[2] An insurance premium calculation system comprising: a reception means for receiving input of a facial image of an animal excluding humans; a breed determination means for predicting and determining the breed of the animal from the facial image of the animal input to the reception means using a trained model for breed determination; an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination; and an insurance premium calculation means for calculating an insurance premium based on the breed predicted and determined by the breed determination means and the age predicted and determined by the age determination means, wherein the trained model for age determination is a trained model that has learned the relationship between facial images of animals excluding humans and the age of the animal at the time the photograph was taken.
[3] An insurance premium calculation system comprising: a reception means for receiving input of a facial image of an animal excluding humans; a breed determination means for predicting and determining the breed of the animal from the facial image of the animal input to the reception means using a trained model for breed determination; an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination; a disease determination means for predicting and determining whether the animal will suffer from a disease from the facial image of the animal input to the reception means using a trained model for disease determination; and an insurance premium calculation means for calculating an insurance premium based on information on the breed predicted and determined by the breed determination means, the age predicted and determined by the age determination means, and the possibility of the animal suffering from the disease predicted and determined by the disease determination means, wherein the trained model for age determination is a trained model that has learned the relationship between the facial image of the animal excluding humans and the age of the animal at the time of photographing.
[4] An insurance premium calculation system according to any one of [1] to [3], wherein the trained model for age determination is trained using facial images of animals other than humans and the age of the animal at the time of photographing as training data, the input being the facial image of the animal and the output being a predicted judgment of the age of the animal.
[5] Any of the insurance premium calculation systems [2] to [4], wherein the trained model for breed determination is a trained model that has learned the relationship between facial images of animals other than humans and the breed of those animals.
[6] An insurance premium calculation system according to [5], wherein the trained model for breed determination is trained using images of an animal's face and information about the animal's breed as training data, and the input is an image of an animal's face and the output is a predicted judgment of the animal's breed.
[7] Any of the insurance premium calculation systems according to [3] to [6], wherein the trained model for disease determination is a trained model that has learned the relationship between facial images of animals other than humans and the diseases of those animals.
[8] An insurance premium calculation system according to [7], wherein the trained model for disease determination is trained using images of an animal's face and information about the animal's disease as training data, the input being an image of an animal's face, and the output being a predictive judgment as to whether the animal will suffer from the disease.
[9] An insurance premium calculation system according to any of [2] to [8], wherein the age determination means has a plurality of trained models and makes a determination using a trained model corresponding to the breed predicted by the breed determination means.
[10] An insurance premium calculation system according to any of [2] to [9], further comprising a breed determination correction means for correcting the breed prediction result by the breed determination means using information regarding the prediction determination result entered by a user.
[11] Any of the insurance premium calculation systems [1] to [10] further comprising an age determination correction means for correcting the age prediction result by the age determination means using information regarding the prediction determination result entered by the user.
[12] Any of the insurance premium calculation systems [1] to [11], further comprising a memory unit for storing an insurance premium table including the animal's age and insurance premiums, wherein the insurance premium calculation means calculates the insurance premium using the insurance premium table.
[13] A step of preparing a face image of an animal other than a human and information regarding the breed of the animal;
An insurance premium calculation method comprising the steps of: inputting the facial image into a trained model, and using the trained model by a computer to output a prediction of the animal's age at the time the facial image was taken from the inputted facial image of the animal, and calculating an insurance premium for the animal based on the predicted age and information regarding the breed, wherein the trained model is trained using facial images of animals other than humans and the age of the animal at the time the image was taken as training data, and is a trained model that takes the facial image of the animal as input and the age of the animal as output.
[14] An insurance premium calculation method comprising the steps of: preparing a facial image of an animal excluding humans; predicting and determining the breed of the animal from the facial image of the animal inputted to the reception means using a trained model for breed determination; predicting and determining the age of the animal from the facial image of the animal inputted to the reception means using a trained model for age determination; and calculating an insurance premium based on the breed predicted and determined by the breed determination means and the age predicted and determined by the age determination means, wherein the trained model is a trained model that has learned the relationship between facial images of animals excluding humans and the age of the animal at the time of photographing.
[15] A step of preparing a facial image of an animal other than a human; a step of predicting and determining the breed of the animal from the facial image of the animal input to the receiving means using a trained model for breed determination; a step of predicting and determining the age of the animal from the facial image of the animal input to the receiving means using a trained model for age determination; and a step of predicting and determining whether the animal is suffering from a disease from the facial image of the animal input to the receiving means using a trained model for disease determination.
An insurance premium calculation method comprising a step of calculating an insurance premium based on the breed predicted by the breed determination means and the age predicted by the age determination means, wherein the age determination trained model is a trained model that has learned the relationship between facial images of animals excluding humans and the age of the animal at the time the image was photographed.
[16] An age prediction system comprising: a reception means for receiving an input of a face image of an animal other than a human and information about the breed of the animal; and an age determination means for predicting and determining the age of the animal from the face image of the animal input to the reception means by using a trained model for age determination,
An age prediction system characterized in that the trained model for age determination is a trained model that has learned the relationship between facial images of animals other than humans and the age of the animal at the time the image was photographed, and the age determination means includes a plurality of trained models for age determination according to breed.
[17] An age prediction system comprising a reception means for receiving input of a facial image of an animal excluding humans, a breed determination means for predicting and determining the breed of the animal from the facial image of the animal input to the reception means using a trained model for breed determination, and an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination, wherein the trained model for breed determination is a trained model that has learned the relationship between facial images of animals excluding humans and the breed of the animal, the trained model for age determination is a trained model that has learned the relationship between facial images of animals excluding humans and the age of the animal at the time of photographing, and the age determination means includes a plurality of trained models for age determination according to breed.
本発明により、簡易な方法で、動物の年齢を判定する年齢予測システム、年齢の判定結果に基づいて動物の保険料を算出する保険料算出システム等を提供することが可能となる。また、簡易な方法で動物の年齢、例えば、実年齢、健康年齢や当該動物の容貌が何歳に相当するのかを把握できることにより、飼い主に対して、飼育している動物の健康に気をつけるきっかけともなり、ひいてはペット保険加入へのモチベーションを上げることやペット保険加入率の改善も期待できる。 The present invention makes it possible to provide an age prediction system that determines the age of an animal in a simple manner, and an insurance premium calculation system that calculates insurance premiums for animals based on the results of the age determination. Furthermore, by being able to easily determine an animal's age, for example, its actual age, health age, and the animal's appearance, it can encourage pet owners to be mindful of the health of their pets, which can be expected to increase motivation to take out pet insurance and improve the rate of pet insurance take-up.
<年齢予測システム>
本発明の年齢予測システムは、ヒトを除く動物の顔画像及び当該動物の品種に関する情報の入力を受け付ける受付手段と、年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段、を備える。
また、本発明の他の年齢予測システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、品種判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段、を備える。
<Age prediction system>
The age prediction system of the present invention comprises a reception means for receiving input of a facial image of an animal other than a human and information regarding the breed of the animal, and an age determination means for predicting the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination.
Another age prediction system of the present invention includes a reception means for receiving an input of a facial image of an animal excluding a human, a breed determination means for predicting and determining the breed of the animal from the facial image of the animal input to the reception means using a trained model for breed determination, and an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination.
[受付手段]
本発明の受付手段は、年齢を予測したい動物の顔画像の入力を受け付ける手段である。また、受付手段は、動物の顔画像のほか、当該動物の品種に関する情報を受け付ける構成とすることもできる。動物としては、犬、猫、ウサギ、フェレット等の哺乳類、鳥類、爬虫類、愛玩動物が挙げられ、哺乳類が好ましく、犬及び猫がより好ましい。画像の受付方法は、スキャン、画像データの入力、送信、その場で撮影しての画像取り込みなどいずれの方法であってもよい。顔画像のフォーマットは特に限定されないが、顔画像は、動物の顔を正面から撮影した写真であることが好ましく、図1に表すような動物の顔が大きく写っている写真がより好ましい。そのような写真として、ヒトの運転免許証の写真のような写真が挙げられる。図2のように、動物の健康保険証に用いられる画像も好ましい。画像は、白黒、グレースケール、カラーのいずれであってもよい。動物の顔全体が写っていない画像、画像編集ソフトウェアで形状が編集された画像、複数の動物が写っている画像、目や耳が判別出来ないほど顔が小さく写っている画像あるいは不鮮明な画像は好ましくない。画像については、ノーマライゼーションが施され、解像度等が統一されたものが好ましい。
[Means of reception]
The receiving means of the present invention is a means for receiving an input of a face image of an animal whose age is to be predicted. The receiving means may be configured to receive information on the breed of the animal in addition to the face image of the animal. Examples of animals include mammals such as dogs, cats, rabbits, and ferrets, birds, reptiles, and pet animals, with mammals being preferred, and dogs and cats being more preferred. The method of receiving the image may be any method, such as scanning, inputting image data, transmitting, or capturing an image by taking a picture on the spot. The format of the face image is not particularly limited, but the face image is preferably a photograph of the animal's face taken from the front, and more preferably a photograph in which the animal's face is large as shown in FIG. 1. Examples of such photographs include photographs such as those for human driver's licenses. Images used for animal health insurance cards, as shown in FIG. 2, are also preferred. The image may be black and white, grayscale, or color. Images that do not show the entire face of the animal, images whose shape has been edited with image editing software, images in which multiple animals are shown, images in which the face is so small that the eyes and ears cannot be distinguished, or images that are unclear are not preferred. Images are preferably normalized and have a unified resolution, etc.
[年齢判定手段]
本発明の年齢判定手段は、ヒトを除く動物の顔画像とその動物の撮影時の年齢(出生日からの経過年数)とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の撮影時の年齢に関する予測とする学習済みモデルを含む。年齢としては、月単位であっても、年単位であってもよく、区分けであってもよい。区分けとしては、例えば、犬を例にすると、乳幼齢(1歳)、中間齢(2歳~7歳)、高齢(8歳以上)という区分けが挙げられる。区分けの仕方はこれに限られず、乳幼齢(1歳未満)、成犬(2~7歳)、高齢犬(8~10歳)、老齢(11歳以上)といった区分けの仕方等も挙げられる。猫や、フェレット等の他の動物についても、平均寿命に応じて、年齢を区分けすることができる。
[Means for determining age]
The age determination means of the present invention includes a trained model that uses as training data a facial image of an animal other than a human and the age of the animal at the time of photographing (the number of years since the date of birth), and inputs the facial image of the animal and outputs a prediction of the age of the animal at the time of photographing. The age may be in months or years, or may be classified. For example, in the case of dogs, classification may include infant age (1 year old), intermediate age (2 to 7 years old), and elderly age (8 years old or older). The classification method is not limited to this, and may include infant age (under 1 year old), adult dog (2 to 7 years old), elderly dog (8 to 10 years old), and elderly age (11 years old or older). Other animals such as cats and ferrets can also be classified according to their average lifespan.
前記学習済みモデルとしては、人工知能(AI)が好ましい。人工知能(AI)とは、人間の脳が行っている知的な作業をコンピュータで模倣したソフトウェアやシステムであり、具体的には、人間の使う自然言語を理解したり、論理的な推論を行ったり、経験から学習したりするコンピュータプログラムなどのことをいう。人工知能としては、汎用型、特化型のいずれであってもよく、ディープニューラルネットワーク、畳み込みニューラルネットワーク等のいずれであってもよく、公開されているソフトウェアを使用することができる。 The trained model is preferably artificial intelligence (AI). Artificial intelligence (AI) is software or a system that imitates the intellectual tasks performed by the human brain using a computer, specifically, computer programs that understand natural language used by humans, perform logical inference, and learn from experience. The artificial intelligence may be either general-purpose or specialized, and may be any of deep neural networks, convolutional neural networks, etc., and publicly available software may be used.
学習済みモデルを生成するために、人工知能を教師データを用いて学習させる。学習としては、機械学習とディープラーニング(深層学習)のいずれであってもよいが、ディープラーニングが好ましい。ディープラーニングは、機械学習を発展させたものであり、特徴量を自動的に見つけ出す点に特徴がある。 To generate a trained model, artificial intelligence is trained using training data. Either machine learning or deep learning can be used for the learning, but deep learning is preferred. Deep learning is an advanced version of machine learning, and is characterized by its ability to automatically find features.
学習済みモデルを生成するための学習方法としては、特に制限されず、公開されているソフトウェアを用いることができる。例えば、NVIDIAが公開しているDIGITS (the Deep Learning GPU Training System)を用いることができる。その他、例えば、「サポートベクターマシン入門」(共立出版)等において公開されている公知のサポートベクターマシン法(Support Vector Machine法)等によって学習させてもよい。 The learning method for generating a trained model is not particularly limited, and publicly available software can be used. For example, DIGITS (the Deep Learning GPU Training System) published by NVIDIA can be used. In addition, training may be performed using a known support vector machine method such as that published in "Introduction to Support Vector Machines" (Kyoritsu Shuppan).
学習のための教師データは、好ましくは動物の顔画像とその動物の撮影当時の年齢である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様である。当該動物の年齢についての情報は、例えば、保険加入申請時に提供される情報として、動物病院あるいは保険をかけようとする当該動物の飼い主等から入手可能である。年齢としては、月単位であっても、年単位であってもよく、区分けであってもよい。区分けとしては、例えば、犬を例にすると、乳幼齢(1歳未満)、中間齢(2~7歳)、老齢(8歳以上)、という区分けが挙げられる。区分けの仕方はこれに限られず、乳幼齢(1歳未満)、成犬(2~7歳)、高齢犬(8~10歳)、老齢(11歳以上)といった区分けの仕方等も挙げられる。猫や、フェレット等の他の動物についても、平均寿命に応じて、年齢を区分けすることができる。 The training data for learning is preferably a facial image of an animal and the age of the animal at the time of photographing the animal. The facial image of the animal as training data is the same as the facial image described in the above reception method. Information on the age of the animal can be obtained, for example, from a veterinary clinic or the owner of the animal to be insured, as information provided at the time of insurance application. The age may be in months or years, or may be classified. For example, in the case of dogs, classifications include infant (under 1 year old), intermediate (2 to 7 years old), and elderly (8 years old or older). The classification method is not limited to this, and classifications such as infant (under 1 year old), adult dog (2 to 7 years old), elderly dog (8 to 10 years old), and elderly (11 years old or older) may also be used. Other animals such as cats and ferrets can also be classified according to their average lifespan.
[品種判定手段]
本発明の年齢予測システムは、品種判定手段をさらに含むことが好ましい。品種判定手段は、品種判定用の学習済みモデルを用いて、前記受付手段に入力された動物の画像からその動物の品種を判定する手段である。
[Product type determination means]
It is preferable that the age prediction system of the present invention further includes a breed determination means for determining the breed of the animal from the image of the animal input to the receiving means by using a trained model for breed determination.
人間の場合には、顔の要部(例えば目、鼻、口等)の位置や形状にさほど大きな違いはないため、品種判定手段を設ける理由はないが、ペットは人間によって品種改良が重ねられてきたため、品種ごとに顔の要部の位置や形状が大きく異なることが多い。このため、例えば、年齢判定手段の前に品種判定手段を設けることにより、より正確に年齢を判定することが可能になる。また、ペットは、品種ごとの特徴(大きさ、顔立ち、毛並等)を維持するために、同一品種間で近親交配をしているという実情があり、遺伝病への罹患率が品種ごとに大きく異なる。したがって、品種判定手段を設けることで、後述する保険料算出をより効率的に実施することができる。 In the case of humans, there is no significant difference in the position and shape of the main features of the face (e.g., eyes, nose, mouth, etc.), so there is no reason to provide a breed determination means. However, pets have been repeatedly bred by humans, and the position and shape of the main features of the face often vary greatly from breed to breed. For this reason, for example, by providing a breed determination means before the age determination means, it becomes possible to determine the age more accurately. Also, in reality, pets are inbred with the same breed in order to maintain the characteristics of each breed (size, facial features, coat, etc.), and the incidence of genetic diseases varies greatly from breed to breed. Therefore, by providing a breed determination means, the insurance premium calculation described below can be carried out more efficiently.
品種判定手段に関する画像の詳細については上記の年齢判定手段におけるものと同様である。 Image details for the breed determination means are the same as those for the age determination means described above.
品種判定用の学習済みモデルは、動物の画像と当該動物の品種との関係を学習した学習済みモデルである。好ましくは、動物の画像とその動物の品種とを教師データとして用いて学習を行い、入力を動物の画像とし、出力をその動物の品種の判定とする学習済みモデルを含む。教師データ用の動物の画像については、上記の年齢判定手段におけるものと同様である。また、品種判定用の学習済みモデルは、動物の画像と当該動物の品種との関係を学習したという点以外は、上記の年齢判定手段における学習済みモデルと同様である。上記の年齢判定手段における学習済みモデルと異なるアルゴリズム、ソフトウェア、ライブラリ、学習方法を用いてもよいし、同一のアルゴリズム、ソフトウェア、ライブラリ、学習方法を用いてもよい。 The trained model for breed determination is a trained model that has learned the relationship between an image of an animal and the breed of that animal. Preferably, it includes a trained model that learns using an image of an animal and the breed of that animal as training data, with the input being an image of the animal and the output being a determination of the breed of that animal. The images of animals used as training data are the same as those in the age determination means described above. The trained model for breed determination is similar to the trained model in the age determination means described above, except that it has learned the relationship between an image of an animal and the breed of that animal. An algorithm, software, library, or learning method different from that of the trained model in the age determination means described above may be used, or the same algorithm, software, library, or learning method may be used.
品種とは、生物の種以下の生物集団の単位である。例えば、犬でいうと、犬の品種は犬種とも呼ばれ、具体的には、トイプードル、チワワ、ミニチュア・ダックスフント、柴犬、ポメラニアン、ヨークシャー・テリア、ミニチュア・シュナウザー、シー・ズー、フレンチ・ブルドッグ、パピヨン、マルチーズ、ラブラドール、ダルメシアン、チャウチャウ等が挙げられる。猫でいうと、猫の品種は猫種とも呼ばれ、スコティッシュ・フォールド、アメリカン・ショートヘア、ノルウェージャン・フォレストキャット、ロシアンブルー、ブリティッシュ・ショートヘア、ラグドール、メイン・クーン、ペルシャ等が挙げられる。ウサギでいうと、ネザーランドドワーフ、ホーランドロップ、ロップイヤー、ミニレッキス、ドワーフロップ、アメリカンファジーロップ等が挙げられる。 A breed is a unit of biological population below the level of a species. For example, in the case of dogs, dog breeds are also called breeds, and specific examples include the toy poodle, chihuahua, miniature dachshund, Shiba Inu, Pomeranian, Yorkshire terrier, miniature schnauzer, Shih Tzu, French bulldog, Papillon, Maltese, Labrador, Dalmatian, and Chow Chow. In the case of cats, cat breeds are also called cat species, and examples include the Scottish fold, American shorthair, Norwegian forest cat, Russian blue, British shorthair, ragdoll, Maine coon, and Persian. In the case of rabbits, examples include the Netherland dwarf, Holland lop, lop-eared, mini rex, dwarf lop, and American fuzzy lop.
本発明の年齢予測システムは、年齢判定手段として学習済みモデルを複数備え、前記品種判定手段による品種の判定結果や、受付手段による画像の受付時に同時に入力された品種に関する情報に対応した学習済みモデルを用いて、前記受付手段に入力された動物の画像からその動物の年齢を予測判定するものであることが好ましい。特に、本発明の年齢予測システムが、品種判定手段を備える場合、受付手段に入力された動物の画像から、当該動物の品種を判定し、当該判定結果に基づいて、年齢判定手段において対応した学習済みモデルを用いて年齢判定を行うことが好ましい。 It is preferable that the age prediction system of the present invention includes a plurality of trained models as an age determination means, and predicts and determines the age of an animal from an image of the animal input to the reception means using trained models corresponding to the breed determination result by the breed determination means or breed-related information input simultaneously when the image is received by the reception means. In particular, when the age prediction system of the present invention includes a breed determination means, it is preferable that the breed of the animal is determined from the image of the animal input to the reception means, and the age is determined in the age determination means using the corresponding trained model based on the determination result.
品種に対応した年齢判定用学習済みモデルとしては、1又は複数の特定の品種に係る動物の画像と、該動物の年齢に関するラベルとを教師データとして用いて学習を行ったものが好ましい。例えば、特定の品種のみを集めた動物の画像とその動物の年齢に関するラベルとを用いて学習を行った学習済みモデルである。この場合の特定の品種のみを集めた動物の画像とは、ひとつの品種、例えば、トイプードルの画像のみであってもよいし、複数の品種、例えば、トイプードル、ポメラニアン及びミニチュア・ダックスフントの画像のみであってもよい。また、複数の品種の場合、大型の品種の画像を用いて学習を行った大型品種用の学習済みモデル、中型の品種の画像を用いて学習を行った中型品種用の学習済みモデル、小型の品種の画像を用いて学習を行った小型品種用の学習済みモデル、超小型の品種の画像を用いて学習を行った超小型品種用の学習済みモデルというように、品種を分類し、各分類に対応した学習済みモデルを備える構成としてもよい。分類としては、例えば、犬の例でいうと、成体(成犬)の平均体重が4kg未満の犬種を超小型犬、4~10kg未満の犬種を小型犬、10~25kg未満の犬種を中型犬、25kg以上の犬種を大型犬というように、平均体重によって分類することができる。その他、体高、体長、遺伝的関係等によって品種を分類してもよい。 As a trained model for age determination corresponding to a breed, it is preferable to use images of animals related to one or more specific breeds and labels related to the age of the animals as training data. For example, a trained model trained using images of animals of only a specific breed and labels related to the age of the animals. In this case, the images of animals of only a specific breed may be images of only one breed, for example, a toy poodle, or images of multiple breeds, for example, a toy poodle, a pomeranian, and a miniature dachshund. In addition, in the case of multiple breeds, the breeds may be classified into a trained model for large breeds trained using images of large breeds, a trained model for medium breeds trained using images of medium breeds, a trained model for small breeds trained using images of small breeds, and a trained model for extra-small breeds trained using images of extra-small breeds, and the trained model may be configured to have trained models corresponding to each classification. For example, in the case of dogs, breeds with an average adult weight of less than 4 kg can be classified as extra small dogs, those with an average adult weight of 4-10 kg as small dogs, those with an average adult weight of 10-25 kg as medium dogs, and those with an average adult weight of 25 kg or more as large dogs. Breeds can also be classified by height, length, genetic relationship, etc.
このように、品種に対応した年齢判定用学習済みモデルを用いたり、品種をサイズや体重ごとに分類(クラス分け)し、分類ごとに対応した年齢判定用学習済みモデルを用いることで、より正確な年齢の予測判定をすることが可能となる。このような効果をもたらす理由は定かではないものの、考え得る理由のひとつとして、各品種には、品種ごとに固有の顔や加齢の傾向があり、また、サイズごとに分類について、小型犬には小型犬特有の顔や加齢の傾向があり、大型犬には大型犬特有の顔や加齢の傾向があるということが挙げられる。 In this way, by using a trained model for age determination corresponding to the breed, or by classifying (dividing breeds into classes) by size and weight and using a trained model for age determination corresponding to each classification, it is possible to predict age more accurately. Although the reason for this effect is unclear, one possible reason is that each breed has its own unique face and tendency to age, and when classified by size, small dogs have faces and tendencies to age that are unique to small dogs, and large dogs have faces and tendencies to age that are unique to large dogs.
[出力]
本発明の年齢判定手段は、入力情報として、動物の顔画像を受け付けると、上記学習済みモデルによって、当該動物の顔画像撮影時の年齢の予測判定を行う。出力の年齢としては、実年齢(出生時からの経過年月数)であってもよく、健康年齢(当該動物の健康状態又は容姿の状態が、何歳相当であるのか)であってもよい。
出力の形式は特に限定されず、例えば、パソコンの画面上において、「1歳2ヶ月」、あるいは、「幼齢」、「乳幼齢」、「老齢」といった表示をすることで予測判定を出力することができる。また、付随的な情報として、年齢の予測判定の確実性を同時に出力してもよい。例えば、「1歳2ヶ月(信頼度:80%)」といった具合である。また、年齢を数値範囲で出力してもよい。例えば、「11ヶ月~1歳2ヶ月」、「1歳未満」、「1~2歳」、「8歳以上」といった具合である。
本発明の年齢予測システムは、判定手段から判定結果を受信し、判定結果を出力する出力手段を別途有していてもよい。
本発明の年齢予測システムを利用することで、後述するような保険料の算出のほか、判定された年齢が実年齢よりも高い場合に、動物の飼い主に対して、健康管理に気をつけるように促す、老化抑止に効果的なフードを提案することが可能となる。
[output]
The age determination means of the present invention receives an animal's face image as input information, and uses the trained model to predict and determine the age of the animal at the time the face image was captured. The output age may be the actual age (the number of years and months since birth) or the health age (the age that the animal's health or appearance corresponds to).
The output format is not particularly limited, and for example, the predicted judgment can be output by displaying "1 year and 2 months old", or "young", "infant", or "old" on the screen of a personal computer. In addition, the certainty of the predicted age judgment may be output at the same time as additional information, such as "1 year and 2 months old (confidence level: 80%)". Furthermore, the age may be output as a numerical range, such as "11 months to 1 year and 2 months old", "under 1 year old", "1 to 2 years old", or "8 years old or older".
The age prediction system of the present invention may further include an output means for receiving the judgment result from the judgment means and outputting the judgment result.
By using the age prediction system of the present invention, in addition to calculating insurance premiums as described below, if the determined age is higher than the actual age, it is possible to encourage the animal owner to pay more attention to health management and to suggest food that is effective in preventing aging.
<保険料算出システム>
本発明の保険料算出システムは、ヒトを除く動物の顔画像及び当該動物の品種に関する情報の入力を受け付ける受付手段と、年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、前記品種に関する情報及び前記年齢判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とするものである。
また、本発明の他の保険料算出システムは、ヒトを除く動物の顔画像の入力を受け付ける受付手段と、品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、前記品種判定手段が予測判定した品種と前記年齢判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とするものである。
<Insurance premium calculation system>
The insurance premium calculation system of the present invention comprises a reception means for receiving input of a facial image of an animal other than a human and information regarding the breed of the animal, an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination, and an insurance premium calculation means for calculating an insurance premium based on the information regarding the breed and the age predicted and determined by the age determination means, wherein the trained model for age determination is a trained model that has learned the relationship between the facial image of an animal other than a human and the age of the animal at the time of photographing.
Another insurance premium calculation system of the present invention is an insurance premium calculation system comprising: a reception means for receiving input of a facial image of an animal excluding humans; a breed determination means for predicting and determining the breed of the animal from the facial image of the animal input to the reception means using a trained model for breed determination; an age determination means for predicting and determining the age of the animal from the facial image of the animal input to the reception means using a trained model for age determination; and an insurance premium calculation means for calculating an insurance premium based on the breed predicted and determined by the breed determination means and the age predicted and determined by the age determination means, wherein the trained model is a trained model that has learned the relationship between the facial image of the animal excluding humans and the age of the animal at the time of photographing.
すなわち、本発明の保険料算出システムのひとつは、保険の対象となる動物の顔画像、或いは動物の顔画像と品種に関する情報を上記の年齢予測システムに入力し、出力された年齢の予測結果や品種の判定結果に応じて当該動物の保険料を算出するものである。年齢や品種に応じた保険料の算出方法は公知の方法によることができる。保険料の決定には、年齢の予測や品種の判定結果のほか、当該動物の疾患罹患の予測、当該動物の種類、性別、体重、既往歴等の情報を用いてもよい。当該動物の疾患罹患の予測については学習モデルを用いることができる。また、当該動物の種類、品種、性別、体重、既往歴等の情報については、利用者(動物の飼い主、保険加入申請をしようとする者等)に端末からの入力を促すことで入手することができる。 That is, one of the insurance premium calculation systems of the present invention inputs a facial image of the animal to be insured, or information about the animal's facial image and breed, into the age prediction system described above, and calculates the insurance premium for the animal according to the output age prediction result and breed determination result. A publicly known method can be used to calculate the insurance premium according to age and breed. In addition to the age prediction and breed determination result, the insurance premium may be determined using information such as the animal's disease prediction, the animal's type, sex, weight, medical history, etc. A learning model can be used to predict the animal's disease. In addition, information such as the animal's type, breed, sex, weight, medical history, etc. can be obtained by prompting the user (the animal's owner, the person applying for insurance, etc.) to input the information from a terminal.
[品種判定修正手段]
本発明の保険料算出システムは、品種判定修正手段をさらに備えることが好ましい。品種判定修正手段は、前記品種判定手段による品種の予測判定結果を、利用者が入力した予測判定結果に関する正誤情報や申告品種などを用いて修正する手段である。例えば、本発明の保険料算出システムは、品種判定結果を利用者の端末上に表示する。品種判定結果を確認した利用者は、その品種判定結果が「正しい」のか、「誤っている」のかを画面上で選択し、「誤っている」を選択した場合、正しい品種を入力、あるいは、端末の画面上に提示された選択肢から選択する。そして、品種判定修正手段は、利用者が入力した品種情報を用いて、品種判定手段が予測判定した品種を修正する。
また、品種判定手段が、判定結果として、複数の品種の可能性を出力し、それを利用者に提示して選択させ、品種判定修正手段は、その選択結果に応じて品種判定結果を修正するという構成であってもよい。例えば、品種判定手段による品種判定の結果が、「トイプードルの可能性60%、チワワの可能性20%、ポメラニアンの可能性20%」というものであった場合、品種判定修正手段を備えない場合は、保険料算出システムは、品種判定結果のうちで最も確率の高いトイプードルを品種として、その後の年齢判定や保険料算出を行う。一方で、品種判定修正手段を備える場合、利用者は、例えば、上記品種判定の結果を端末の画面等で確認し、「チワワ」を正しい品種であるとして選択することができる。この場合、当該利用者が入力した情報をもとにして、品種判定修正手段は、当該動物の品種を「チワワ」に修正し、本発明の保険料算出システムは、当該動物の品種がチワワであるとして、年齢予測や保険料の算出を行う。
また、品種判定手段による品種判定の結果の選択肢の中に、利用者が考える正確な品種が含まれていない場合、年齢判定用学習済みモデルを用いた年齢予測とそれに続く保険料算出を中止し、マニュアルによる保険料算出に移行するという構成とすることもできる。例えば、利用者がチャイニーズ・クレステッド・ドッグという希少品種の犬の顔画像を本発明の保険料算出システムに入力し、品種判定手段が、「トイプードルの可能性10%、チワワの可能性10%、混血(MIX)の可能性30%、その他の可能性50%」という判定結果を出力し、利用者が、「その他」を選択(画面上で『その他の犬種』をクリックする等)すると、本発明の保険料算出システムは、年齢判定用学習済みモデルを用いた年齢予測とそれに続く保険料算出を中止する。以後は、保険料算出に必要な情報の入力を利用者に促し、必要な情報が入力されれば、それに応じて保険料の算出を行う。
[Product type determination correction means]
It is preferable that the insurance premium calculation system of the present invention further comprises a breed determination correction means. The breed determination correction means is a means for correcting the breed prediction determination result by the breed determination means using correct/incorrect information on the prediction determination result and the declared breed input by the user. For example, the insurance premium calculation system of the present invention displays the breed determination result on the user's terminal. After checking the breed determination result, the user selects on the screen whether the breed determination result is "correct" or "incorrect", and if "incorrect" is selected, inputs the correct breed or selects from the options presented on the terminal screen. Then, the breed determination correction means corrects the breed predicted and determined by the breed determination means using the breed information input by the user.
Also, the breed determination means may output a plurality of breed possibilities as a determination result, present them to the user to select, and the breed determination correction means may correct the breed determination result according to the selection result. For example, if the result of breed determination by the breed determination means is "60% possibility of toy poodle, 20% possibility of chihuahua, and 20% possibility of pomeranian," if the breed determination correction means is not provided, the insurance premium calculation system will determine the age and calculate the insurance premium using the toy poodle, which has the highest probability among the breed determination results. On the other hand, if the breed determination correction means is provided, the user can check the breed determination result on the screen of the terminal, for example, and select "Chihuahua" as the correct breed. In this case, the breed determination correction means corrects the breed of the animal to "Chihuahua" based on the information input by the user, and the insurance premium calculation system of the present invention predicts the age and calculates the insurance premium assuming that the breed of the animal is Chihuahua.
In addition, if the options resulting from the breed determination by the breed determination means do not include the correct breed the user thinks of, the age prediction using the trained model for age determination and the subsequent insurance premium calculation can be stopped, and the insurance premium calculation can be switched to manual insurance premium calculation. For example, if a user inputs a face image of a rare breed dog called a Chinese Crested Dog into the insurance premium calculation system of the present invention, and the breed determination means outputs the determination result of "10% possibility of toy poodle, 10% possibility of chihuahua, 30% possibility of mixed breed (MIX), 50% possibility of other," and the user selects "other" (e.g., clicks on "other breeds" on the screen), the insurance premium calculation system of the present invention stops the age prediction using the trained model for age determination and the subsequent insurance premium calculation. Thereafter, the user is prompted to input information necessary for insurance premium calculation, and if the necessary information is input, the insurance premium is calculated accordingly.
[年齢判定修正手段]
本発明の保険料算出システムは、年齢判定修正手段をさらに備えることが好ましい。年齢判定修正手段は、前記年齢判定手段による年齢の予測判定結果を、利用者が入力した予測判定結果に関する正誤情報や申告年齢などを用いて修正する手段である。例えば、本発明の保険料算出システムは、年齢判定結果を利用者の端末上に表示する。年齢判定結果を確認した利用者は、その年齢判定結果が「正しい」のか、「誤っている」のかを画面上で選択し、「誤っている」を選択した場合、正しい年齢を入力、あるいは、端末の画面上に提示された選択肢から選択する。そして、年齢判定修正手段は、利用者が入力した正しい年齢の情報を用いて、年齢判定手段が予測判定した年齢を修正する。
また、年齢判定手段が、判定結果として、複数の年齢の可能性を出力し、それを利用者に提示して選択させ、年齢判定修正手段は、その選択結果に応じて年齢判定結果を修正するという構成であってもよい。例えば、年齢判定手段による年齢の予測判定の結果が、6歳が最も可能性が高く、3~10歳までの可能性があるという場合、年齢判定修正手段を備えない場合は、保険料算出システムは、年齢判定結果のうちで最も確率の高い6歳を当該動物の年齢として、その後の保険料算出を行う。一方で、年齢判定修正手段を備える場合、利用者は、例えば、上記年齢判定の結果を端末の画面等で確認し、「7歳」を正しい年齢であるとして入力することができる。この場合、当該利用者が入力した情報をもとにして、年齢判定修正手段は、当該動物の年齢を「7歳」に修正し、本発明の保険料算出システムは、当該動物の年齢が7歳であるとして、保険料の算出を行う。
また、年齢判定手段による年齢判定の結果の選択肢の中に、利用者が考える正確な年齢が含まれていない場合、保険料算出を中止し、マニュアルによる保険料算出に移行するという構成とすることもできる。例えば、利用者が13歳と考えている犬の顔画像を本発明の保険料算出システムに入力し、年齢判定手段が、「10歳の可能性が30%、11歳の可能性が20%、その他の可能性50%」という判定結果を出力し、利用者が、「その他」を選択(画面上で『その他の年齢』をクリックする等)すると、本発明の保険料算出システムは、続く保険料算出を中止する。以後は、保険料算出に必要な情報の入力を利用者に促し、必要な情報が入力されれば、それに応じて保険料の算出を行う。
[Age determination correction means]
It is preferable that the insurance premium calculation system of the present invention further comprises an age determination correction means. The age determination correction means is a means for correcting the age prediction result by the age determination means using information on whether the prediction result is correct or not, the declared age, etc., input by the user. For example, the insurance premium calculation system of the present invention displays the age determination result on the user's terminal. After checking the age determination result, the user selects on the screen whether the age determination result is "correct" or "incorrect", and if the user selects "incorrect", the user inputs the correct age or selects from the options presented on the terminal screen. The age determination correction means then corrects the age predicted by the age determination means using the information on the correct age input by the user.
Alternatively, the age determination means may output a plurality of possible ages as the determination result, present them to the user to select, and the age determination correction means may correct the age determination result according to the selection result. For example, if the result of the age prediction determination by the age determination means is that 6 years old is the most likely, and there are possibilities from 3 to 10 years old, if the age determination correction means is not provided, the insurance premium calculation system will calculate the insurance premium after determining that 6 years old, which is the most likely age among the age determination results. On the other hand, if the age determination correction means is provided, the user can, for example, check the result of the age determination on the screen of the terminal, and input "7 years old" as the correct age. In this case, the age determination correction means corrects the age of the animal to "7 years old" based on the information input by the user, and the insurance premium calculation system of the present invention will calculate the insurance premium assuming that the animal is 7 years old.
Also, if the options resulting from the age determination by the age determination means do not include the correct age the user thinks, the insurance premium calculation can be stopped and the system can move to manual calculation of the insurance premium. For example, a face image of a dog that the user thinks is 13 years old is input into the insurance premium calculation system of the present invention, and the age determination means outputs the determination result of "30% chance of 10 years old, 20% chance of 11 years old, 50% chance of other," and if the user selects "other" (e.g., by clicking "other age" on the screen), the insurance premium calculation system of the present invention stops the subsequent insurance premium calculation. Thereafter, the system prompts the user to input information necessary for the insurance premium calculation, and if the necessary information is input, the system calculates the insurance premium accordingly.
以下、本発明の保険料算出システムの一実施態様を図3を参照しながら説明する。 Below, one embodiment of the insurance premium calculation system of the present invention will be described with reference to Figure 3.
図3中、端末40は、利用者(保険契約申込者、ユーザ)が利用する端末である。端末40は、例えばパーソナルコンピュータやタブレット端末などが挙げられる。端末40は、CPUなどの処理部、ハードディスク、ROMあるいはRAMなどの記憶部、液晶パネルなどの表示部、マウス、キーボード、タッチパネルなどの入力部、ネットワークアダプタなどの通信部などを含んで構成される。
利用者は、端末40から、サーバにアクセスし、保険の対象となる動物の顔画像(写真)、及び、当該動物の種類、品種、性別、体重、既往歴などの情報を入力、送信する。保険料の算出あるいは保険加入可否の判定にあたっては、保険加入申込時点における動物の年齢を予測判定することが望まれるため、動物の顔画像(写真)は、保険契約者が保険申込みをする時点において撮影時から時間が経っていないものが好ましい。例えば、撮影時から6ヶ月以内ものが好ましく、3ヶ月以内のものがより好ましく、1ヶ月以内のものがさらに好ましい。また、利用者が、申込み時に、その場でスマートフォンのカメラを使って対象となる動物の顔写真を撮影し、それを入力、送信するという態様であってもよい。例えば、利用者は、端末40の画面上に表示される指示に従って保険対象となる動物の顔写真を撮影し、適切な写真が撮れたらそれをサーバに送信する。このとき、サーバが、別途、画像判定プログラムからなる写真撮影補助手段を備え、写真撮影補助手段が、動物の顔全体が撮像されていること、動物の顔の正面からの写真であるといった、年齢の予測判定に好適な写真であるかどうかを判定し、その判定結果をインターフェースや端末を通じて利用者に伝達するという構成を備えていてもよい。
また、利用者は、端末40がサーバにアクセスすることによって、サーバにおける年齢予測結果や保険料算出結果を受信することができる。
3, terminal 40 is a terminal used by a user (insurance contract applicant, user). Examples of terminal 40 include a personal computer and a tablet terminal. Terminal 40 includes a processing unit such as a CPU, a storage unit such as a hard disk, a ROM or a RAM, a display unit such as a liquid crystal panel, an input unit such as a mouse, a keyboard or a touch panel, a communication unit such as a network adapter, and the like.
The user accesses the server from the terminal 40, and inputs and transmits the face image (photograph) of the animal to be insured, as well as information such as the type, breed, sex, weight, and medical history of the animal. When calculating the insurance premium or determining whether or not the insurance can be applied for, it is desirable to predict and determine the age of the animal at the time of application for insurance, so it is preferable that the face image (photograph) of the animal is one that has not been taken long since the time the insured person applies for insurance. For example, it is preferable that it is taken within 6 months, more preferably within 3 months, and even more preferably within 1 month. In addition, the user may take a face photo of the target animal using the camera of the smartphone at the time of application, and input and transmit the photo. For example, the user takes a face photo of the target animal according to instructions displayed on the screen of the terminal 40, and when an appropriate photo is taken, transmits it to the server. At this time, the server may be provided with a separate photo-taking assistant means consisting of an image judgment program, and the photo-taking assistant means may be configured to judge whether the photo is suitable for predicting and determining the age, such as whether the entire face of the animal is captured and the photo is taken from the front of the animal's face, and to transmit the judgment result to the user through an interface or terminal.
In addition, the user can receive the results of age prediction and insurance premium calculation from the server by accessing the server through the terminal 40 .
本実施形態においては、サーバはコンピュータによって構成されるが、本発明にかかる機能を有する限りにおいて、どのような装置であってもよい。サーバは、クラウド上にあるサーバであってもよい。 In this embodiment, the server is configured by a computer, but it may be any device as long as it has the functions of the present invention. The server may be a server on the cloud.
記憶部10は、例えばROM、RAMあるいはハードディスクなどから構成される。記憶部10には、サーバの各部を動作させるための情報処理プログラムが記憶され、特に、年齢判定手段(学習済みモデル)11と、必要に応じて保険料算出手段12が記憶される。保険料の算出を目的とせず、単に年齢の予測を出力する年齢予測システムとして構成する場合には保険料算出手段12は無くてもよい。 The storage unit 10 is composed of, for example, a ROM, a RAM, or a hard disk. The storage unit 10 stores information processing programs for operating each part of the server, and in particular stores an age determination means (trained model) 11 and, if necessary, an insurance premium calculation means 12. If the system is configured as an age prediction system that does not aim to calculate insurance premiums and simply outputs age predictions, the insurance premium calculation means 12 may not be required.
年齢判定手段(学習済みモデル)11は、上記のように、利用者が入力した保険対象となる動物の顔画像を入力とし、当該画像に含まれる動物の写真撮影時の年齢の予測を出力するものである。本実施形態における年齢判定手段(学習済みモデル)11は、例えばディープニューラルネットワーク又は畳み込みニューラルネットワークを含んで構成される。 As described above, the age determination means (trained model) 11 receives a facial image of the animal that is the subject of insurance input by the user, and outputs a prediction of the age of the animal contained in the image at the time of photographing. In this embodiment, the age determination means (trained model) 11 includes, for example, a deep neural network or a convolutional neural network.
保険料算出手段12は、上記年齢判定手段11が出力した年齢の予測から、当該動物の保険料を算出するソフトウェアである。必要に応じて、利用者が入力した当該動物の種類、品種、性別、写真撮影時の体重、既往歴などの情報も保険料の算出に用いてもよい。例えば、ソフトウェアは、当該動物の種類、品種、性別、体重、既往歴等に応じて、保険料の等級分けを行い、最後に、上記判定手段11が出力した年齢の予測を加味して当該等級を修正し、最終的な保険料を算出するためのソフトウェアである。ソフトウェアは、先に年齢の予測判定結果に応じて等級分けを行い、当該動物の種類、品種、性別、体重、既往歴等に応じて保険料を修正することで最終的な保険料を算出してもよい。また、ソフトウェアは、先に品種の予測判定結果に応じて、保険料テーブルの選択を行い、当該保険料テーブルを用いて、年齢の予測結果や、動物の種類、性別、体重、既往歴等に応じて保険料を算出してもよい。保険料算出手段12と年齢判定手段(学習済みモデル)11は一つのソフトウェアであってもよい。また、保険料算出手段は、保険料算出のための計算式を用い、当該計算式に、動物の年齢等の情報を挿入することによって保険料を計算するものであってもよく、あるいは、予め図5のような保険料テーブルを記憶部に記憶しておき、保険料算出手段がそれを参照することによって保険料を算出するというものであってもよい。図5に記載された保険料は、月額の保険料の例である。 The insurance premium calculation means 12 is software that calculates the insurance premium of the animal from the age prediction output by the age determination means 11. If necessary, information such as the type, breed, sex, weight at the time of photographing, and medical history of the animal input by the user may also be used to calculate the insurance premium. For example, the software is software for classifying the insurance premium according to the type, breed, sex, weight, medical history, etc. of the animal, and finally correcting the grade by taking into account the age prediction output by the determination means 11, and calculating the final insurance premium. The software may first classify according to the age prediction judgment result, and calculate the final insurance premium by correcting the insurance premium according to the type, breed, sex, weight, medical history, etc. of the animal. In addition, the software may first select an insurance premium table according to the breed prediction judgment result, and use the insurance premium table to calculate the insurance premium according to the age prediction result, the type, sex, weight, medical history, etc. of the animal. The insurance premium calculation means 12 and the age determination means (trained model) 11 may be one piece of software. The insurance premium calculation means may use a formula for calculating the insurance premium and calculate the insurance premium by inserting information such as the age of the animal into the formula, or may calculate the insurance premium by storing an insurance premium table such as that shown in FIG. 5 in advance in the storage unit and referring to the insurance premium calculation means. The insurance premium shown in FIG. 5 is an example of a monthly insurance premium.
処理演算部20は、記憶部に記憶された年齢判定手段(学習済みモデル)11や保険料算出手段12を用いて、年齢の予測や保険料の計算を実行する。 The processing and calculation unit 20 uses the age determination means (trained model) 11 and the insurance premium calculation means 12 stored in the memory unit to predict age and calculate insurance premiums.
インターフェース部(通信部)30は、受付手段31と出力手段32を備え、利用者の端末から、動物の顔画像やその他の情報を受け付け、利用者の端末に対して、年齢の予測や保険料の算出結果を出力する。 The interface unit (communication unit) 30 includes a reception means 31 and an output means 32, and receives images of the animal's face and other information from the user's terminal, and outputs predicted ages and calculated insurance premiums to the user's terminal.
次に、品種判定手段14や保険料テーブル13を備える本発明の保険料算出システムの一実施態様を図4に示す。品種判定手段14や保険料テーブル13を備える以外は、上記図3で示された実施態様と同様である。品種判定手段14は、受付手段に入力された動物の顔画像から、当該動物の品種を予測判定する。年齢判定手段11が複数存在する場合、品種の予測判定結果に応じて最適な年齢判定手段が選択され、年齢を予測判定する。また、保険料テーブルが、品種に応じて、或いは、品種ごとに複数記憶されている場合、品種の予測判定結果に応じて、最適な保険料テーブルが選択され、当該保険料テーブル内において、年齢の予測判定結果等に応じて保険料が算出される。 Next, FIG. 4 shows one embodiment of the insurance premium calculation system of the present invention, which includes a breed determination means 14 and an insurance premium table 13. Other than including the breed determination means 14 and the insurance premium table 13, it is the same as the embodiment shown in FIG. 3 above. The breed determination means 14 predicts and determines the breed of the animal from the facial image of the animal input to the reception means. If there are multiple age determination means 11, the most appropriate age determination means is selected according to the breed prediction judgment result, and the age is predicted and determined. Also, if multiple insurance premium tables are stored according to the breed prediction judgment result, or for each breed, the most appropriate insurance premium table is selected according to the breed prediction judgment result, and the insurance premium is calculated within the insurance premium table according to the age prediction judgment result, etc.
本実施形態の保険料算出システムにより、保険契約者は、ペットの健康保険証を作成するための写真をサーバにアップロードすることで、ペットの健康保険証が作成されると同時に、ペットの保険料の算出結果を得ることができる。本実施形態では、年齢判定手段、保険料算出手段や受付手段がサーバに格納され、利用者の端末とインターネットやLAN等の接続手段で接続される態様を説明したが、本発明はこれに限定されず、年齢判定手段、受付手段、保険料算出手段、インターフェース部が一つのサーバや装置内に格納される態様や、利用者が利用する端末を別途必要としない態様等であってもよい。 The insurance premium calculation system of this embodiment allows the policyholder to upload a photo to be used to create a pet health insurance card to the server, and at the same time the pet health insurance card is created, the policyholder can obtain the calculation result of the pet's insurance premium. In this embodiment, an embodiment has been described in which the age determination means, insurance premium calculation means, and reception means are stored in the server, and are connected to the user's terminal via a connection means such as the Internet or LAN, but the present invention is not limited to this, and may also be one in which the age determination means, reception means, insurance premium calculation means, and interface unit are stored in a single server or device, or one in which a separate terminal is not required for use by the user.
本発明の保険料算出システムは、利用者に動物の年齢を申告させたうえで、利用者から提供された動物の顔画像から年齢を予測判定し、予測判定結果に基づいて、利用者が申告した年齢を修正した上で保険料を算出するという態様であってもよい。また、本発明の保険料算出システムは、保険料算出手段が、予測判定された年齢が所定値以上であった場合、保険料の算出に代えて、又は保険料の算出とともに、保険加入不適との判断結果を提示する機能を有していてもよい。例えば、犬の場合、年齢の予測判定結果が、11歳以上、12歳以上、13歳以上、14歳以上、又は15歳以上となった場合に保険加入不適との判断結果を提示する。猫の場合、年齢の予測判定結果が、13歳以上、14歳以上、15歳以上、16歳以上、又は17歳以上となった場合に保険加入不適との判断結果を提示する。保険加入不適と判断する年齢の所定値は動物の種類や品種ごとに設定することができる。 The insurance premium calculation system of the present invention may be configured to have the user declare the age of the animal, predict the age from the facial image of the animal provided by the user, and calculate the insurance premium after correcting the age declared by the user based on the prediction result. In addition, the insurance premium calculation system of the present invention may have a function in which, when the predicted age is equal to or greater than a predetermined value, the insurance premium calculation means presents a judgment result that the animal is not suitable for insurance enrollment, instead of or in addition to calculating the insurance premium. For example, in the case of a dog, when the predicted age is 11 years or older, 12 years or older, 13 years or older, 14 years or older, or 15 years or older, the judgment result that the animal is not suitable for insurance enrollment is presented. In the case of a cat, when the predicted age is 13 years or older, 14 years or older, 15 years or older, 16 years or older, or 17 years or older, the judgment result that the animal is not suitable for insurance enrollment is presented. The predetermined value of the age that is judged to be unsuitable for insurance enrollment can be set for each type and breed of animal.
本発明の保険料算出システムの一実施態様に基づく保険料算出のフローチャートを図6に示す。利用者が端末を用いて、サーバの受付手段に、保険加入を検討している動物の種類、品種、体重等の基本情報を入力するとともに、当該動物の顔画像をアップロードする(ステップS1)。サーバの処理演算部は、判定手段(学習済みモデル)を用いて、アップロードされた顔画像から、その動物の撮影時の年齢を予測判定する(ステップS2)。処理演算部は、保険料算出手段を用いて、年齢の予測判定結果を基に保険料を算出する(ステップS3)。出力手段は、算出された保険料を利用者の端末画面に表示するなどして出力し、利用者に提示する(ステップS4)。 Figure 6 shows a flowchart of insurance premium calculation based on one embodiment of the insurance premium calculation system of the present invention. Using a terminal, a user inputs basic information such as the type, breed, and weight of the animal for which they are considering taking out insurance, into the server's reception means, and uploads a facial image of the animal (step S1). The server's processing and calculation unit uses the determination means (trained model) to predict and determine the age of the animal at the time of photographing from the uploaded facial image (step S2). The processing and calculation unit uses the insurance premium calculation means to calculate the insurance premium based on the predicted age (step S3). The output means outputs the calculated insurance premium, for example by displaying it on the user's terminal screen, and presents it to the user (step S4).
[疾患判定手段]
本発明の保険料算出システムは、上記年齢判定手段と品種判定手段に加えて、動物の顔画像から、その動物が疾患に罹患するかを予測判定する疾患判定手段を備えていてもよい。疾患判定手段は、ヒトを除く動物の顔画像とその動物の撮影時から所定期間内の疾患罹患の事実とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物が疾患に罹患する予測とする学習済みモデルを含む。上記年齢判定手段と品種判定手段に加えて、疾患判定手段を備えることで、保険加入申請時に、年齢や品種を判定するだけでなく、その動物の将来の疾患罹患可能性も予測することができ、より合理性の高い保険料の算出が可能となる。
[Means for diagnosing disease]
The insurance premium calculation system of the present invention may further include a disease determination means for predicting whether an animal will suffer from a disease from an image of the animal's face, in addition to the age determination means and breed determination means. The disease determination means includes a trained model that uses as training data images of animals other than humans and facts of the animal's disease within a predetermined period from the time of photographing the animal, and inputs the animal's face image and outputs a prediction that the animal will suffer from a disease. By providing the disease determination means in addition to the age determination means and breed determination means, it is possible to not only determine the age and breed of the animal at the time of applying for insurance, but also to predict the possibility of the animal suffering from a disease in the future, making it possible to calculate insurance premiums with a higher rationality.
疾患判定手段15を備える場合の本発明の保険料算出システムの一実施態様に基づく保険料算出のフローチャートを図7に示す(構成図は、図8)。利用者が端末を用いて、サーバの受付手段に、保険加入を検討している動物の顔画像をアップロードする(ステップS21)。サーバの処理演算部は、年齢判定手段を用いて、アップロードされた顔画像から、その動物の撮影時の年齢を予測判定する(ステップS22)。動物の品種については、顔画像のアップロード(ステップS21)と同時に利用者が入力するか、品種判定手段を用いて、アップロードされた顔画像から、その動物の品種判定する(ステップS22-2)。処理演算部は、保険料算出手段を用いて、年齢の予測判定結果及び品種を基に保険料を算出する(ステップS23)。疾患判定手段が、当該動物の顔画像からその動物の将来の疾患への罹患可能性を予測判定する(ステップS24)。そして、疾患への罹患可能性が高ければ、保険料算出手段が、年齢に基づいて算出された保険料を上げる方向で保険料を補正し、疾患への罹患可能性が低ければ、保険料を下げる方向で保険料を補正する(ステップS25)。また、保険料算出手段は、疾患への罹患可能性が、その動物の平均と変わらない場合には、年齢に基づく保険料を補正しないで算出する機能を有していてもよい。また、疾患への罹患可能性が所定値以上の場合には、年齢の予測判定結果にもかかわらず、保険加入不適との判定結果を出力をする機能を有していてもよい。出力手段は、算出された保険料を利用者の端末画面に表示するなどして出力し、利用者に提示する(ステップS26)。 A flowchart of insurance premium calculation based on one embodiment of the insurance premium calculation system of the present invention when the system is equipped with a disease determination means 15 is shown in FIG. 7 (a block diagram is shown in FIG. 8). A user uploads a facial image of an animal for which insurance is being considered to be purchased to the server's reception means using a terminal (step S21). The server's processing and calculation unit uses the age determination means to predict and determine the age of the animal at the time of photographing from the uploaded facial image (step S22). The breed of the animal is either input by the user at the same time as uploading the facial image (step S21), or the breed determination means determines the breed of the animal from the uploaded facial image (step S22-2). The processing and calculation unit uses the insurance premium calculation means to calculate the insurance premium based on the predicted age and breed (step S23). The disease determination means predicts and determines the future possibility of the animal contracting a disease from the facial image of the animal (step S24). If the possibility of contracting a disease is high, the insurance premium calculation means corrects the insurance premium in a direction to increase the insurance premium calculated based on the age, and if the possibility of contracting a disease is low, the insurance premium is corrected in a direction to decrease the insurance premium (step S25). The insurance premium calculation means may also have a function to calculate the insurance premium without correcting it based on age if the possibility of contracting a disease is the same as the average for that animal. Also, if the possibility of contracting a disease is equal to or greater than a predetermined value, the insurance premium calculation means may have a function to output a judgment result that the insurance is not suitable, regardless of the predicted age judgment result. The output means outputs the calculated insurance premium by displaying it on the user's terminal screen, for example, and presents it to the user (step S26).
疾患罹患可能性の学習のための教師データは、動物の顔画像とその動物が顔画像撮影時から所定期間内に、好ましくは3年以内、より好ましくは2年以内、さらに好ましくは1年以内に疾患に罹患したか、罹患しなかったかの罹患の有無である。教師データとしての動物の顔画像は、上記受付方法で説明した顔画像と同様である。当該動物が疾患に罹患したかどうかの情報は、例えば、保険請求の事実(「事故」ともいう)として、動物病院あるいは保険をかけた飼い主等から入手可能である。つまり、当該動物がペット保険をかけられた動物である場合、当該動物が病院にかかり疾患に罹患したとの診断を受ければ、動物病院あるいは飼い主(ペット保険の契約者)が、保険会社に対して疾患への罹患の事実とともに保険金支払いを請求するので、保険会社は当該動物が疾患に罹患したことを知ることができる。他方、顔画像の作成から所定時間経過までに保険金の請求がなければ、保険をかけられた当該動物はその期間疾患に罹患しなかったと判断することができる。 The training data for learning the possibility of disease is the facial image of the animal and whether or not the animal has contracted a disease within a predetermined period from the time of taking the facial image, preferably within three years, more preferably within two years, and even more preferably within one year. The facial image of the animal as training data is the same as the facial image described in the above reception method. Information on whether the animal has contracted a disease can be obtained from a veterinary clinic or an insured owner, for example, as a fact of insurance claim (also called an "accident"). In other words, if the animal is insured for pet insurance, if the animal goes to a hospital and is diagnosed as having a disease, the veterinary clinic or the owner (the pet insurance contract holder) will claim insurance payment from the insurance company along with the fact of contracting the disease, so the insurance company can know that the animal has contracted a disease. On the other hand, if no insurance claim is made within a predetermined time from the creation of the facial image, it can be determined that the insured animal has not contracted a disease during that period.
学習済みモデルは、個々の疾患ごとに生成してもよく、複数の疾患をまとめて生成してもよい。個々の疾患ごとに学習済みモデルを生成する場合には、特定の疾患に罹患した動物について、当該疾患への罹患から所定期間前に撮影された顔画像と、当該疾患に罹患したこと、比較対象として顔画像撮影から所定期間疾患に罹患しなかった動物の顔画像と、所定期間疾患に罹患しなかったことを教師データとして学習を行う。複数の疾患をまとめて学習させる場合には、教師データとして、ある疾患に罹患した動物とその罹患から所定期間前に撮影された顔画像、その疾患とは別の疾患に罹患した動物とその罹患から所定期間前に撮影された顔画像、さらに別の疾患に罹患した動物とその罹患から所定期間前に撮影された顔画像、というように、複数の種類の教師データを用意すればよい。 A trained model may be generated for each individual disease, or for multiple diseases collectively. When a trained model is generated for each individual disease, training is performed using as training data a facial image of an animal suffering from a specific disease taken a predetermined period before the disease, the fact that the animal has the disease, and, for comparison, facial images of animals that have not suffered from the disease for a predetermined period after the facial image was taken, and the fact that the animal has not suffered from the disease for the predetermined period. When training is performed for multiple diseases collectively, multiple types of training data may be prepared, such as a facial image of an animal suffering from a certain disease and a facial image taken a predetermined period before the disease, a facial image of an animal suffering from a different disease and a facial image taken a predetermined period before the disease, and a facial image of an animal suffering from yet another disease and a facial image taken a predetermined period before the disease.
[疾患]
本発明において対象となる疾患の種類は特に限定されず、例えば、眼科系疾患、耳科系疾患、皮膚系疾患が挙げられる。眼科系疾患としては、結膜炎、目やに、角膜炎、角膜潰瘍/びらん、流涙症、白内障、緑内障が挙げられる。耳科系疾患としては、外耳炎、中耳炎が挙げられる。皮膚系疾患としては、皮膚炎、アトピー性皮膚炎、膿皮症が挙げられる。
[disease]
The type of disease that is the subject of the present invention is not particularly limited, and examples thereof include ophthalmological diseases, otologic diseases, and dermatological diseases. Examples of ophthalmological diseases include conjunctivitis, eye discharge, keratitis, corneal ulcer/erosion, epiphora, cataract, and glaucoma. Examples of otologic diseases include otitis externa and otitis media. Examples of dermatological diseases include dermatitis, atopic dermatitis, and pyoderma.
[保険加入可否判定システム]
本発明の保険加入可否判定システムは、上記の年齢の予測判定結果をもとにして、保険加入可否を判定するシステムである。すなわち、本発明の保険料算出システムでは、保険加入可否判定手段が、動物の顔写真から予測判定された年齢が所定値以上であった場合、保険加入不適との判定を行う。例えば、犬の場合、年齢の予測判定結果が、11歳以上、12歳以上、13歳以上、14歳以上、又は15歳以上となった場合に保険加入不適との判断結果を提示する。猫の場合、年齢の予測判定結果が、13歳以上、14歳以上、15歳以上、16歳以上、又は17歳以上となった場合に保険加入不適との判断結果を提示する。保険加入不適と判断する年齢の所定値は動物の種類や品種ごとに設定することができる。保険加入可否判定手段は、上記判定手段11が出力した年齢の予測から、当該動物の保険加入可否を判定するソフトウェアである。必要に応じて、利用者が入力した当該動物の種類、品種、性別、写真撮影時の年齢(申告年齢)、体重、既往歴などの情報も保険加入可否の判定に用いてもよい。
[Insurance enrollment decision system]
The insurance enrollment determination system of the present invention is a system that determines whether or not an insurance can be enrolled based on the above-mentioned age prediction determination result. That is, in the insurance premium calculation system of the present invention, when the age predicted from the face photograph of the animal is equal to or greater than a predetermined value, the insurance enrollment determination means determines that the animal is not suitable for insurance enrollment. For example, in the case of a dog, when the predicted age determination result is 11 years or more, 12 years or more, 13 years or more, 14 years or more, or 15 years or more, the determination result that the animal is not suitable for insurance enrollment is presented. In the case of a cat, when the predicted age determination result is 13 years or more, 14 years or more, 15 years or more, 16 years or more, or 17 years or more, the determination result that the animal is not suitable for insurance enrollment is presented. The predetermined value of the age that is determined to be unsuitable for insurance enrollment can be set for each type and breed of animal. The insurance enrollment determination means is software that determines whether or not the animal can be enrolled in insurance based on the predicted age output by the determination means 11. If necessary, information such as the type, breed, sex, age at the time of photographing (declared age), weight, medical history, etc. of the animal input by the user may also be used to determine whether or not the animal is suitable for insurance enrollment.
[年齢判定]
[実施例1]
トイプードルの顔写真(一例として、図9~図11のカラー写真。256×256ピクセルに統一した。)を用いて、ディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、乳幼児(1歳未満)のものが11519枚、老齢(8歳以上)のものが11519枚であった。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを乳幼児又は老齢でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、検証として、上記学習済みモデルの評価に用いた「乳幼児」および「老齢」の顔写真各1000枚を、「乳幼児」か「老齢」かの判定をさせたところ、正答率は、93.5%であった。
また、生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた顔写真とは別の「乳幼児」および「老齢」の顔写真各1000枚について「乳幼児」か「老齢」かの判定をさせたところ、正答率は、92.5%であった。
[Age determination]
[Example 1]
Deep learning was performed using facial photographs of toy poodles (for example, the color photographs in Figures 9 to 11, standardized to 256 x 256 pixels) to generate a trained model. The facial photographs used were 11,519 photographs of infants (under 1 year old) and 11,519 photographs of elderly people (over 8 years old).
Using a convolutional neural network in the TensorFlow environment in Anaconda, we performed deep learning by labeling the photo data as either infants or elderly.
As a verification test, the generated learning model was used to determine whether 1,000 facial photos of "infants" and "elderly people" used in the evaluation of the trained model were "infants" or "elderly people." The accuracy rate was 93.5%.
In addition, as a test, the generated learning model was used to determine whether 1,000 facial photos of "infants" or "elderly people" were "babies" or "elderly people" other than the facial photos used to generate the trained model. The accuracy rate was 92.5%.
[実施例2]
トイプードルの顔写真を用いて、ディープラーニングを行い、学習済みモデルを生成した。使用した顔写真は、乳幼児(1歳未満)のものが11519枚、中間齢(3~5歳)のものが11519枚、老齢(8歳以上)のものが11519枚であった。
AnacondaでのTensorFlow環境下にて、畳み込みニューラルネットワークを用い、写真データを乳幼児、中間齢又は老齢でラベル付けをしてディープラーニングを行った。
生成された学習モデルを用いて、検証として、上記学習済みモデルの評価に用いた顔写真のうち、「乳幼児」、「中間齢」および「老齢」の顔写真各1000枚を、「乳幼児」、「中間齢」又は「老齢」かの判定をさせたところ、「老齢」についての正答率は、87.5%であった。
また、生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた顔写真とは別の「乳幼児」、「中間齢」および「老齢」の顔写真各1000枚について、「乳幼児」、「中間齢」又は「老齢」かの判定をさせたところ、「老齢」についての正答率は、87.8%であった。
[Example 2]
Deep learning was performed using facial photos of toy poodles to generate a trained model. The facial photos used included 11,519 photos of infants (under 1 year old), 11,519 photos of intermediate ages (3-5 years old), and 11,519 photos of elderly people (8 years old or older).
Using a convolutional neural network in the TensorFlow environment in Anaconda, we performed deep learning by labeling the photo data as infants, middle-aged people, or elderly people.
As a verification test, the generated learning model was used to determine whether 1,000 facial photos each of "infant,""middleage," and "elderly" from the facial photos used to evaluate the trained model were "infant,""middleage," or "elderly." The correct answer rate for "elderly" was 87.5%.
In addition, as a test, the generated learning model was used to determine whether 1,000 facial photos of "infant,""middleage," and "elderly" were "infant,""middleage," or "elderly," which were different from the facial photos used to generate the trained model.The correct answer rate for "elderly" was 87.8%.
[実施例3]
次に、第2段階の学習として、乳幼児の顔写真40207枚と、中間齢の顔写真40207枚を用いてディープラーニングを行った。
生成された学習モデルを用いて、検証として、上記学習済みモデルの評価に用いた顔写真のうち、「乳幼児」および「中間齢」の顔写真各3000枚を、「乳幼児」か「中間齢」かの判定をさせたところ、正答率は、92.2%であった。
また、生成された学習モデルを用いて、テストとして、上記学習済みモデルの生成に用いた顔写真とは別の「乳幼児」および「中間齢」の顔写真各3000枚について、「乳幼児」か「中間齢」かの判定をさせたところ、正答率は、91.5%であった。
[Example 3]
Next, as the second stage of learning, deep learning was performed using 40,207 facial photographs of infants and 40,207 facial photographs of intermediate-age people.
As a verification test, the generated learning model was used to determine whether 3,000 facial photos of "infants" and "middle age" from among the facial photos used to evaluate the trained model were "infants" or "middle age." The accuracy rate was 92.2%.
In addition, as a test, the generated learning model was used to determine whether 3,000 facial photos of "infants" and "middle age" subjects were "infants" or "middle age" (3,000 facial photos were different from the facial photos used to generate the trained model). The accuracy rate was 91.5%.
[疾患判定]
[実施例4]
トイプードルの顔写真(一例として、図9~図11のカラー写真。256×256ピクセルに統一した。)を図12の表記載の枚数用いて、ディープラーニングを行い、学習済みモデルを生成した。
人工知能(ニューラルネットワーク)としては、GoogleNetを用い、学習用ソフトウェ
アとして、NVIDIA DIGITS Ver.3.0.0を用い、写真データを疾患への罹患の有無でラベ
ル付けをしてディープラーニングを行った。
[Disease diagnosis]
[Example 4]
Deep learning was performed using the number of photographs of a toy poodle's face (as an example, the color photographs in Figures 9 to 11, standardized to 256 x 256 pixels) shown in the table in Figure 12, to generate a trained model.
GoogleNet was used as the artificial intelligence (neural network), and NVIDIA DIGITS Ver.3.0.0 was used as the learning software. The photo data was labeled as to whether or not the patient was suffering from a disease, and deep learning was performed.
眼科系疾患については、教師データ用写真として、写真撮影後1年以内に眼科系疾患に罹患したトイプードルの写真を4800枚、1年以内に眼科系疾患に罹患しなかったトイプードルの写真を4800枚用いて学習済みモデルAの生成を行った。
生成された学習済みモデルAについて、学習用に用いた9600枚の写真のうち、2400枚を用いてテストを行ったところ、眼科系疾患の有無の判定の正答率(実際に1年以内に疾患に罹患した動物の写真を「疾患罹患あり」と判定した写真の枚数と、実際に1年以内に疾患に罹患しなかった動物の写真を「疾患罹患なし」と判定した写真の合計枚数の、全体の枚数に対する割合)は70.5%であった。
For ophthalmological diseases, trained model A was generated using 4,800 photographs of toy poodles that had developed ophthalmological diseases within one year of being photographed, and 4,800 photographs of toy poodles that had not developed ophthalmological diseases within one year as training data photographs.
The generated trained model A was tested using 2,400 of the 9,600 photographs used for training, and the accuracy rate for determining the presence or absence of ophthalmic diseases (the ratio of the number of photographs of animals that actually had a disease within the past year that were judged to be "disease-affected" and the number of photographs of animals that did not actually have a disease within the past year that were judged to be "disease-free" to the total number of photographs) was 70.5%.
耳科系疾患については、教師データ用写真として、写真撮影後1年以内に耳科系疾患に罹患したトイプードルの写真を6400枚、1年以内に耳科系疾患に罹患しなかったトイプードルの写真を6400枚用いて学習済みモデルBの生成を行った。
生成された学習済みモデルBについて、学習用に用いた12800枚の写真のうち、3200枚を用いてテストを行ったところ、耳科系疾患の有無の判定の正答率は56.4%であった。
For ear diseases, trained model B was generated using 6,400 photographs of toy poodles that had suffered from ear diseases within one year of being photographed, and 6,400 photographs of toy poodles that had not suffered from ear diseases within one year as training data.
The generated trained model B was tested using 3,200 of the 12,800 photographs used for training, and the accuracy rate in determining the presence or absence of ear diseases was 56.4%.
皮膚系疾患については、教師データ用写真として、写真撮影後1年以内に皮膚科系疾患に罹患したトイプードルの写真を6400枚、1年以内に皮膚科系疾患に罹患しなかったトイプードルの写真を6400枚用いて学習済みモデルCの生成を行った。
生成された学習済みモデルCについて、学習用に用いた12800枚の写真のうち、3200枚を用いてテストを行ったところ、皮膚科系疾患の有無の判定の正答率は64.9%であった。
For skin diseases, trained model C was generated using 6,400 photographs of toy poodles that had suffered from a skin disease within one year of being photographed, and 6,400 photographs of toy poodles that had not suffered from a skin disease within one year as training data photographs.
The generated trained model C was tested using 3,200 of the 12,800 photographs used for training, and the accuracy rate in determining the presence or absence of dermatological diseases was 64.9%.
上記で生成された学習済みモデルA~Cについて、教師用データとして用いなかったトイプードルの画像を用いて判定を行った。 The trained models A to C generated above were assessed using images of a toy poodle that were not used as training data.
眼科系疾患については、教師用データとして用いなかったトイプードルの画像を4066枚使用し、うち、2033枚が眼科系疾患に罹患しなかったトイプードルの画像(「事故なし」)であり、2033枚が撮影から1年以内に眼科系疾患に罹患したトイプードルの画像(「事故あり」)であった。学習済みモデルAは、トイプードルの疾患の予測として、正答率が70.1%であった。 For ophthalmic diseases, 4,066 images of toy poodles that were not used as training data were used, of which 2,033 were images of toy poodles that did not suffer from ophthalmic diseases ("no accidents") and 2,033 were images of toy poodles that had suffered from ophthalmic diseases within one year of being photographed ("accidents"). Trained model A had an accuracy rate of 70.1% in predicting diseases in toy poodles.
耳科系疾患については、教師用データとして用いなかったトイプードルの画像を4000枚使用し、うち、2000枚が耳科系疾患に罹患しなかったトイプードルの画像(「事故なし」)であり、2000枚が撮影から1年以内に耳科系疾患に罹患したトイプードルの画像(「事故あり」)であった。学習済みモデルBは、トイプードルの疾患の予測として、正答率が55.0%であった。 For ear diseases, 4,000 images of toy poodles that were not used as training data were used, of which 2,000 were images of toy poodles that did not suffer from ear diseases ("no accidents") and 2,000 were images of toy poodles that had suffered from ear diseases within one year of being photographed ("accidents"). Trained model B had an accuracy rate of 55.0% in predicting diseases in toy poodles.
皮膚科系疾患については、教師用データとして用いなかったトイプードルの画像を4000枚使用し、うち、2000枚が皮膚科系疾患に罹患しなかったトイプードルの画像(「事故なし」)であり、2000枚が撮影から1年以内に皮膚科系疾患に罹患したトイプードルの画像(「事故あり」)であった。学習済みモデルCは、トイプードルの疾患の予測として、正答率が63.9%であった。 For dermatological diseases, 4,000 images of toy poodles that were not used as training data were used, of which 2,000 were images of toy poodles that did not suffer from dermatological diseases ("no accidents") and 2,000 were images of toy poodles that had suffered from dermatological diseases within one year of being photographed ("accidents"). Trained model C had an accuracy rate of 63.9% in predicting diseases in toy poodles.
[品種判定]
[実施例5]
トイプードル、チワワ、ポメラニアン、ヨークシャー・テリア、ミニチュア・シュナウザー、パピヨン、マルチーズ、シー・ズー、ミニチュア・ダックスフント、柴、キャバリア・キング・チャールズ・スパニエル、パグ、フレンチ・ブルドッグ、ウェルシュ・コーギー・ぺンブローク、ゴールデン・レトリバー、ラブラドール・レトリバーの品種ごとに400枚の画像を用意し、教師あり学習を行って品種判定用の学習済みモデルを生成した。
学習方法は、人工知能(ニューラルネットワーク)としてMobileNetNetv3_largeを使用した転移学習であり、機械学習ライブラリ(Deep Learningライブラリ)としてPytorchを用いた。
[Type determination]
[Example 5]
We prepared 400 images for each breed: toy poodle, Chihuahua, Pomeranian, Yorkshire terrier, miniature schnauzer, Papillon, Maltese, Shih Tzu, miniature dachshund, Shiba, Cavalier King Charles Spaniel, Pug, French bulldog, Pembroke Welsh Corgi, Golden Retriever, and Labrador Retriever, and performed supervised learning to generate a trained model for breed identification.
The learning method was transfer learning using MobileNetNetv3_large as the artificial intelligence (neural network), and Pytorch was used as the machine learning library (Deep Learning library).
得られた学習済みモデルそれぞれを用いて、品種ごとに150枚、計2400枚の画像を用いてテストを行った。すなわち、トイプードルを例にすると、正解の画像が150枚、不正解(トイプードル以外の品種)の画像が2250枚という条件でテストを行った。
品種ごとの正答率(トイプードルを例にすると、2400枚の画像のうち、トイプードルの画像をトイプードルと判定できた割合)を下記表1に示す。
Using each of the obtained trained models, a test was conducted using 150 images for each breed, totaling 2,400 images. In other words, in the case of a toy poodle as an example, the test was conducted under the conditions of 150 correct images and 2,250 incorrect images (breeds other than the toy poodle).
The correct answer rate for each breed (for example, for a toy poodle, the percentage of images of a toy poodle that were identified as a toy poodle out of 2,400 images) is shown in Table 1 below.
Claims (15)
年齢判定用学習済みモデルを用いて、前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、
前記品種に関する情報及び前記年齢判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、
前記年齢判定用学習済みモデルが、ディープニューラルネットワーク又畳み込みニューラルネットワークであり、
前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出システム。 A receiving means for receiving an input of a face image of an animal other than a human and information regarding the breed of the animal;
an age determination means for predicting and determining the age of an animal from a facial image of the animal input to the reception means by using a trained model for age determination;
and an insurance premium calculation means for calculating an insurance premium based on the information about the breed and the age predicted by the age determination means,
The trained model for age determination is a deep neural network or a convolutional neural network,
An insurance premium calculation system, characterized in that the trained model for age determination is a trained model that has learned the relationship between facial images of animals other than humans and the age of the animal at the time of photographing.
品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、
年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、
前記品種判定手段が予測判定した品種と前記年齢判定手段が予測判定した年齢を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、
前記年齢判定用学習済みモデルが、ディープニューラルネットワーク又畳み込みニューラルネットワークであり、
前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出システム。 A receiving means for receiving an input of a face image of an animal other than a human;
a breed determination means for predicting and determining the breed of an animal from a face image of the animal input to the reception means by using a trained model for breed determination;
an age determination means for predicting and determining the age of an animal from a facial image of the animal input to the reception means by using a trained model for age determination;
an insurance premium calculation means for calculating an insurance premium based on the breed predicted by the breed determination means and the age predicted by the age determination means,
The trained model for age determination is a deep neural network or a convolutional neural network,
An insurance premium calculation system, characterized in that the trained model for age determination is a trained model that has learned the relationship between facial images of animals other than humans and the age of the animal at the time of photographing.
品種判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の品種を予測判定する品種判定手段と、
年齢判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の年齢を予測判定する年齢判定手段と、
疾患判定用学習済みモデルを用いて前記受付手段に入力された動物の顔画像からその動物の疾患に罹患するかを予測判定する疾患判定手段と、
前記品種判定手段が予測判定した品種、前記年齢判定手段が予測判定した年齢、及び前記疾患判定手段が予測判定した疾患に罹患する可能性についての情報を元に保険料を算出する保険料算出手段と、を備える保険料算出システムであって、
前記年齢判定用学習済みモデルが、ディープニューラルネットワーク又畳み込みニューラルネットワークであり、
前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出システム。 A receiving means for receiving an input of a face image of an animal other than a human;
a breed determination means for predicting and determining the breed of an animal from a face image of the animal input to the reception means by using a trained model for breed determination;
an age determination means for predicting and determining the age of an animal from a facial image of the animal input to the reception means by using a trained model for age determination;
A disease determination means for predicting whether an animal will suffer from a disease based on a facial image of the animal input to the reception means by using a trained model for disease determination;
and an insurance premium calculation means for calculating an insurance premium based on information on the breed predicted by the breed determination means, the age predicted by the age determination means, and the possibility of suffering from the disease predicted by the disease determination means,
The trained model for age determination is a deep neural network or a convolutional neural network,
An insurance premium calculation system, characterized in that the trained model for age determination is a trained model that has learned the relationship between facial images of animals other than humans and the age of the animal at the time of photographing.
コンピュータが、学習済みモデルを用いて、前記動物の顔画像からその動物の顔画像撮影時の年齢の予測を出力するステップと、当該年齢の予測と品種に関する情報に基づいて当該動物に対する保険料を算出するステップと、を有する保険料算出方法であって、
前記学習済みモデルが、ディープニューラルネットワーク又畳み込みニューラルネットワークであり、
前記学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢とを教師データとして用いて学習を行い、入力を動物の顔画像とし、出力をその動物の年齢とする学習済みモデルであることを特徴とする保険料算出方法。 A computer receives a facial image of a non-human animal and information about the breed of the animal;
A method for calculating an insurance premium, comprising the steps of: outputting, by a computer, a prediction of an age of an animal at the time of capturing a facial image of the animal from the facial image of the animal using a trained model; and calculating an insurance premium for the animal based on the prediction of the age and information on the breed,
The trained model is a deep neural network or a convolutional neural network,
An insurance premium calculation method, characterized in that the trained model is a trained model that learns using facial images of animals other than humans and the age of the animal at the time of photographing as training data, and that takes the facial image of the animal as input and the age of the animal as output.
コンピュータが、品種判定用学習済みモデルを用いて前記動物の顔画像からその動物の品種を予測判定するステップと、
コンピュータが、年齢判定用学習済みモデルを用いて前記動物の顔画像からその動物の年齢を予測判定するステップと、
コンピュータが、予測判定した品種と予測判定した年齢を元に保険料を算出するステップと、を備える保険料算出方法であって、
前記年齢判定用学習済みモデルが、ディープニューラルネットワーク又畳み込みニューラルネットワークであり、
前記年齢判定用学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出方法。 A computer receives a facial image of a non-human animal;
A step in which a computer predicts and determines the breed of the animal from the face image of the animal using a trained model for breed determination;
A step in which a computer predicts and determines the age of the animal from the face image of the animal using a trained model for age determination;
A method for calculating an insurance premium comprising: a step of calculating an insurance premium based on the predicted breed and the predicted age by a computer,
The trained model for age determination is a deep neural network or a convolutional neural network,
An insurance premium calculation method, characterized in that the trained model for age determination is a trained model that has learned the relationship between facial images of animals other than humans and the age of the animal at the time of photographing.
コンピュータが、品種判定用学習済みモデルを用いて前記動物の顔画像からその動物の品種を予測判定するステップと、
コンピュータが、年齢判定用学習済みモデルを用いて前記動物の顔画像からその動物の年齢を予測判定するステップと、
コンピュータが、疾患判定用学習済みモデルを用いて前記動物の顔画像からその動物の疾患に罹患するかを予測判定するステップと、
コンピュータが、予測判定した品種と予測判定した年齢を元に保険料を算出するステップと、を備える保険料算出方法であって、
前記年齢判定用学習済みモデルが、ディープニューラルネットワーク又畳み込みニューラルネットワークであり、
前記年齢判定学習済みモデルが、ヒトを除く動物の顔画像とその動物の撮影時の年齢との関係を学習した学習済みモデルであることを特徴とする保険料算出方法。 A computer receives a facial image of a non-human animal;
A step in which a computer predicts and determines the breed of the animal from the face image of the animal using a trained model for breed determination;
A step in which a computer predicts and determines the age of the animal from the face image of the animal using a trained model for age determination;
A step in which a computer predicts whether an animal will suffer from a disease from a facial image of the animal using a trained model for disease determination;
A method for calculating an insurance premium comprising: a step of calculating an insurance premium based on the predicted breed and the predicted age by a computer,
The trained model for age determination is a deep neural network or a convolutional neural network,
An insurance premium calculation method, characterized in that the age determination trained model is a trained model that has learned the relationship between facial images of animals other than humans and the age of the animal at the time of photographing.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021194899A JP7503041B2 (en) | 2021-11-30 | 2021-11-30 | Insurance premium calculation system and insurance premium calculation method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021194899A JP7503041B2 (en) | 2021-11-30 | 2021-11-30 | Insurance premium calculation system and insurance premium calculation method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023081168A JP2023081168A (en) | 2023-06-09 |
JP7503041B2 true JP7503041B2 (en) | 2024-06-19 |
Family
ID=86656869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021194899A Active JP7503041B2 (en) | 2021-11-30 | 2021-11-30 | Insurance premium calculation system and insurance premium calculation method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7503041B2 (en) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323507A (en) | 2005-05-17 | 2006-11-30 | Yamaha Motor Co Ltd | Attribute identifying system and attribute identifying method |
JP2019134690A (en) | 2018-02-05 | 2019-08-15 | ヤフー株式会社 | Information processing device, information processing method and information processing program |
JP6734457B1 (en) | 2019-10-28 | 2020-08-05 | アニコム ホールディングス株式会社 | Disease prediction system, insurance premium calculation system and disease prediction method |
US20200327658A1 (en) | 2019-04-09 | 2020-10-15 | Canyon Equine Services | Machine Learning System Animal Age Determination |
US20200401929A1 (en) | 2019-06-19 | 2020-12-24 | Google Llc | Systems and Methods for Performing Knowledge Distillation |
CN112183283A (en) | 2020-09-22 | 2021-01-05 | 北京金山云网络技术有限公司 | Age estimation method, device, equipment and storage medium based on image |
US20210201391A1 (en) | 2019-12-27 | 2021-07-01 | Metiu Metev | Rental property monitoring and protection system and method |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018019611A (en) * | 2016-08-01 | 2018-02-08 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカPanasonic Intellectual Property Corporation of America | Leash type vital measuring device for pet |
-
2021
- 2021-11-30 JP JP2021194899A patent/JP7503041B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006323507A (en) | 2005-05-17 | 2006-11-30 | Yamaha Motor Co Ltd | Attribute identifying system and attribute identifying method |
JP2019134690A (en) | 2018-02-05 | 2019-08-15 | ヤフー株式会社 | Information processing device, information processing method and information processing program |
US20200327658A1 (en) | 2019-04-09 | 2020-10-15 | Canyon Equine Services | Machine Learning System Animal Age Determination |
US20200401929A1 (en) | 2019-06-19 | 2020-12-24 | Google Llc | Systems and Methods for Performing Knowledge Distillation |
JP6734457B1 (en) | 2019-10-28 | 2020-08-05 | アニコム ホールディングス株式会社 | Disease prediction system, insurance premium calculation system and disease prediction method |
US20210201391A1 (en) | 2019-12-27 | 2021-07-01 | Metiu Metev | Rental property monitoring and protection system and method |
CN112183283A (en) | 2020-09-22 | 2021-01-05 | 北京金山云网络技术有限公司 | Age estimation method, device, equipment and storage medium based on image |
Non-Patent Citations (1)
Title |
---|
犬の年齢を探る~推定年齢を決めるときの5つのポイント,日本,[online],2017年10月08日,URL:https://woofoo.jp/editors_desk/estimating-dogs-age、検索日:2023年8月28日 |
Also Published As
Publication number | Publication date |
---|---|
JP2023081168A (en) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220391757A1 (en) | Disease prediction system, insurance fee calculation system, and disease prediction method | |
US10600179B2 (en) | Image analysis for determining characteristics of groups of individuals | |
US12033757B2 (en) | Systems and methods for maintaining optimal growth in animals | |
US9922243B2 (en) | Image analysis for determining characteristics of pairs of individuals | |
KR102330858B1 (en) | Method, apparatus, and system for providing information on analysis of pet stool status using stool sheet stool images | |
JP7299143B2 (en) | ANIMAL HEALTH RISK ASSESSMENT SYSTEM AND ANIMAL HEALTH RISK ASSESSMENT METHOD | |
US20240037734A1 (en) | Systems and methods for classifying pet information | |
CN114118755A (en) | Livestock breeding management method, device, equipment and storage medium based on RPA and AI | |
JP7503041B2 (en) | Insurance premium calculation system and insurance premium calculation method | |
US9098898B2 (en) | Image analysis for determining characteristics of individuals | |
JP7360496B2 (en) | Judgment system | |
JP7082647B2 (en) | Insurance premium calculation system and insurance premium calculation method | |
JP7204859B1 (en) | Personality determination system and method for determining personality | |
WO2023008571A1 (en) | Individual identification system and individual identification method | |
JP2024062859A (en) | System and method for determining compatibility with pet animals | |
WO2023032836A1 (en) | Prediction device, prediction system, and prediction method | |
AU2012375204B2 (en) | Image analysis for determining characteristics of individuals and group of individuals | |
JP2023125869A (en) | Individual identification system and individual identification method | |
GB2618780A (en) | Health tracking method and system | |
JP2022184223A (en) | Pet sales price determination system and pet sales determination method | |
CN117672501A (en) | Pet health preliminary screening system based on artificial intelligence | |
Wells et al. | The Head Space Project Canine Chiari Group at The University of Surrey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220908 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220908 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230623 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230608 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231205 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20231212 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240607 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7503041 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |