多模态场景自适应提示的开放词汇目标检测方法及装置

本发明公开了一种多模态场景自适应提示的开放词汇目标检测方法及装置。该方法根据输入实例动态选择相应的场景提示，针对不同的训练类别自适应地学习这些场景提示，实现对类别知识的自适应迁移。通过在融合过程中结合位置和文本信息，可以动态学习视觉提示和区域提示，所获得的区域特征可以具有更强的可移动性，能够提高目标检测模型对未知类别的分类精确度。