一种基于多模态模型的交互式图像标注方法及系统

本发明公开了一种基于多模态模型的交互式图像标注方法及系统，包括：构建目标检测模型；获取待检测图像和提示词文本，对提示词文本进行分词，得到的若干词元作为不同的待检测目标类别，对于每个待检测目标类别，提取负向提示词中存在的相应负向类别，生成词元索引表；设置置信度阈值，将待检测图像、提示词文本和词元索引表输入所述目标检测模型，目标检测模型生成中间检测；设置类间非极大值抑制的IoU阈值，结合负向提示词对中间检测进行过滤，生成最终检测结果。本发明可以在不对特定类别进行训练的前提下，获得准确的检测结果，并且能够通过负向提示词和描述提示词交互式地减少误检，自动为图像生成准确的标注。