基于视觉语义数据增强的模型优化方法、装置和存储介质

本发明提出了一种基于视觉语义数据增强的模型优化方法，用于改进视觉语义任务下的模型性能。本方法聚焦场景中的物体语义信息对模型的影响，首先利用预设的数据集评估模型表现，根据模型表现和场景数据，利用大语言模型总结关键的语义信息，再将这个语义信息注入到新产生的数据中，进而生成新的模型训练数据，并形成不断改进的循环。相比传统数据增强方法，本发明实现了数据增强过程与模型缺陷的匹配，以自动化的形式提供更适合提高模型性能的训练场景，可以用于视觉语义导航、视觉语言导航等多个具身任务。