图像描述生成方法、装置、设备及介质

本发明涉及人工智能技术领域及医疗健康领域，公开了一种图像描述生成方法，包括：获取图像数据，生成视觉嵌入和标签文本的嵌入向量，分析图像数据与每个标签文本之间的相似度分数，根据相似度分数生成加权热力图，基于加权热力图确定显著区域及其对应的标签和空间位置信息，最终生成图像描述。本发明通过多模态特征匹配和加权热力图生成，精准识别图像中的显著区域及多标签场景，生成语义连贯的图像描述文本，提升了图像描述的准确性、细节捕捉能力和文本可读性，适用于医疗健康和金融领域的智能图文分析与辅助决策。