一种基于图像文本对的图像目标计数方法及装置

本发明涉及图像处理技术领域，尤其是指一种基于图像文本对的图像目标计数方法及装置，包括：构建目标计数模型，包括文本编码器、图像编码器、文本图像增强模块和解耦头；将原始图像和目标类别的文本输入至目标计数模型，输出原始图像中属于目标类别的若干个体的预测点的坐标，进而得到属于目标类别的个体的总数。本发明保留了图像的局部细节信息，增强了模型对局部信息的感知能力，进一步结合多头自注意力机制提取的全局信息，有效提高了模型对目标的识别能力，提高了对目标计数的准确性。