基于多模态大模型的目标计数方法及装置

本申请涉及计算机视觉技术领域，公开了一种基于多模态大模型的目标计数方法及装置。所述方法通过数目提示词指示需要计数的目标类别，使用特征提取模块提取数目提示词的文本特征和查询图像的图像特征，有效提高了模型提取数目相关特征的能力，从根本上提升了模型对目标计数任务的适配能力和性能。之后将文本特征和图像特征融合，生成融合特征，根据融合特征生成预测密度图，并基于预测密度图获得目标数量的预测值，能够高效预测目标的数量和分布，从而降低了人工干预成本，提高了模型在多场景下的实用性。该方法打破了传统计数技术对目标样本的依赖，显著提高了通用计数算法在自动化系统中的部署效率，具有更强的泛化能力。