[发明专利]检测区域去除方法、装置、终端和存储介质

权利要求书

1.一种检测区域去除方法，其特征在于，包括：

采用目标检测网络模型对图像进行目标检测，得到目标检测区域的区域信息；

基于所述目标检测区域的区域信息构建所述目标检测区域的原始特征；

从所述原始特征中提取目标检测区域的低级特征、中级特征和高级特征，所述低级特征为目标检测区域图像的低层次特征，包括颜色特征，所述高级特征为目标检测区域图像的高层次特征，包括语义特征，所述中级特征是所述目标检测区域图像中介于低层次、高层次之间层次的图像特征；

对所述中级特征和高级特征进行融合，得到所述目标检测区域的全局特征；

根据所述低级特征和所述高级特征对所述全局特征进行调整，得到所述目标检测区域的调整后全局特征；

根据所述调整后全局特征对目标检测区域进行去除。

2.如权利要求1所述的检测区域去除方法，其特征在于，从所述原始特征中提取目标检测区域的低级特征、中级特征和高级特征，包括：

将所述原始特征转换成低级特征；

从所述低级特征中提取目标检测区域的中级特征和高级特征。

3.如权利要求2所述的检测区域去除方法，其特征在于，将所述原始特征转换成低级特征，包括：

对所述原始特征进行融合，得到融合后特征；

对融合后特征进行平滑操作，得到目标检测区域的低级特征。

4.如权利要求1所述的检测区域去除方法，其特征在于，所述区域信息包括位置信息、得分信息；基于所述目标检测区域的区域信息构建所述目标检测区域的原始特征，包括：

根据所述目标检测区域的位置信息构建所述目标检测区域的几何特征；

根据所述目标检测区域的得分信息构建所述目标检测区域的得分特征；

根据所述目标检测区域的得分信息对所述目标检测区域进行排序，得到所述目标检测区域的排序特征；

从所述目标检测网络模型中获取目标检测区域分支的最后一个全连接层输出的区域图像特征。

5.如权利要求2所述的检测区域去除方法，其特征在于，从所述低级特征中提取目标检测区域的中级特征和高级特征，包括：

利用循环神经网络从低级特征中提取目标检测区域的中级特征和高级特征。

6.如权利要求5所述的检测区域去除方法，其特征在于，所述利用循环神经网络从低级特征中提取目标检测区域的中级特征和高级特征，包括：

采用第一循环神经网络和当前隐藏状态从低级特征提取目标检测区域的中级特征；

采用第二循环神经网络和所述第一循环神经网络的当前隐藏状态，从低级特征提取目标检测区域的高级特征。

7.如权利要求1所述的检测区域去除方法，其特征在于，对所述中级特征和高级特征进行融合，得到所述目标检测区域的全局特征，包括：

根据所述中级特征和高级特征获取所述目标检测区域之间的关系；

基于所述目标检测区域之间的关系对所述中级特征进行调整，得到调整后中级特征；

对所述高级特征和所述调整后中级特征进行融合，得到所述目标检测区域的全局特征。

8.如权利要求7所述的检测区域去除方法，其特征在于，根据所述中级特征和高级特征获取所述目标检测区域之间的关系，包括：

分别对中级特征和高级特征进行平铺操作；

对平铺后中级特征和平铺后高级特征进行非线性融合操作，得到目标检测区域之间的关联性特征；

基于所述目标检测区域之间的关系对所述中级特征进行调整，得到调整后中级特征，包括：根据所述目标检测区域之间的关联性特征对所述中级特征进行调整，得到调整后中级特征。