一种视觉语言大模型的图像识别方法、装置、设备及介质

本申请公开了一种视觉语言大模型的图像识别方法、装置、设备及介质，首先构建用于进行图像识别的新闻图像数据集，然后利用新闻图像数据集训练视觉编码分类器模型，将预测图像输入视觉编码分类器模型，与提示文本相结合识别增强提示文本，最后将增强提示文本输入至文本解码器得到分类结果，通过解码过程提取并整合所有相关信息，确保输出的文本不仅准确反映了图像的内容，还蕴含了更深层次的语境理解。提升了视觉语言大模型在图像识别任务上的能力，尤其是在处理新闻图像这类特定领域内容时展现出更高的识别精度和理解深度。