多模态通用感知模型训练、标注方法及装置、电子设备

本公开涉及数据处理技术领域，公开了一种多模态通用感知模型训练、标注方法及装置、电子设备，该方法包括：确定多个样本图像，并分别对每个样本图像进行标注，确定每个样本图像对应的多个初始区域级图文数据标注结果；对每个样本图像对应的多个初始区域级图文数据标注结果进行修正，确定每个样本图像对应的多个修正后的标注结果；基于每个样本图像对应的多个修正后的标注结果，对多模态通用感知模型进行训练，得到训练好的多模态通用感知模型，用于对目标图像进行标注，确定目标图像对应的多个区域级图文数据标注结果。本公开实施例可以简化区域级图文标注过程，实现通过多模态通用感知模型对目标图像进行自动标注，降低标注成本，提高标注效率。