文本图像检索模型训练方法、系统、设备及存储介质

本申请提供了一种文本图像检索模型训练方法、系统、设备及存储介质，应用于医疗图像检索技术领域，其中方法包括对待处理视频进行多级跨模态对齐关系提取；对待处理视频中连续画面帧进行高斯加噪，将高斯加噪后的画面帧切割成若干个图像块；将当前图像块对应的图像块特征、当前图像块对应前一帧图像块的时间序列特征、以及当前图像块对应的时空位置编码特征作为输入特征对图像编码器进行训练；对多级跨模态对齐关系对应的正负样本进行编码，将生成的文本编码特征和图像编码特征映射至同一语义空间，对文本图像检索模型的参数进行优化，从而提高检索模型的召回率，确保检索结果的准确率，为医疗决策和医学研究提供可靠的视频信息支持。