多模态开放词汇目标检测模型的训练方法及装置

本申请公开了一种多模态开放词汇目标检测模型的训练方法及装置，涉及计算机视觉技术领域，方法包括：获得训练数据，所述训练数据包括训练图像以及对应的真实标签；基于预训练的图像‑文本匹配模型以及类别无关的区域建议网络确定所述训练图像中待确定目标的伪标签；基于所述伪标签和真实标签，结合混淆原型对比学习算法对检测器进行训练，得到目标检测模型。上述方案利用预训练的区域建议网络和图像‑文本多模态模型生成潜在未知目标的伪标签，再通过混淆原型对比学习来缓解伪标签的噪声对训练产生的负面影响，实现了简单高效的开放词汇目标检测模型的训练。