基于CNN与Transformer的新媒体影像智能标注深度学习系统及方法

本申请涉及图像处理领域，公开了基于CNN与Transformer的新媒体影像智能标注深度学习系统及方法，包括所述系统包括：输入模块，用于接收和加载新媒体影像数据；多级预处理模块，与所述输入模块连接，用于对影像数据进行多级处理，包括去噪、图像增强和标准化；多通道特征提取模块，与所述多级预处理模块连接，用于通过多个并行的卷积神经网络（CNN）架构提取不同语义层次的影像特征。通过多级预处理模块的去噪、图像增强和标准化处理，提高了影像数据的质量，从而提升了整体处理精度和效率，多模态融合模块通过融合多个语义层次的特征并结合注意力机制，从而更好地提取影像中的关键信息，提高标注的准确性和鲁棒性。