目标检测方法、装置、设备、存储介质及计算机程序产品

本申请涉及图像检测技术领域，公开了一种目标检测方法、装置、设备、存储介质及计算机程序产品，该方法包括：响应于目标检测请求，调用预设多模态大语言模型，其中，预设多模态大语言模型中设置有特征融合模块，通过特征融合模块将预设查询特征与待检测图像的视觉特征进行跨模态融合，获得融合后查询特征，其中，预设查询特征为可学习参数的向量矩阵，基于融合后查询特征对待检测图像进行目标检测，获得待检测图像的目标检测结果；由于本申请通过在预设多模态大语言模型中设置特征融合模块，实现了查询特征与待检测图像的视觉特征的跨模态融合，从而实现了通过多模态大语言模型直接对图像进行目标检测，进而降低了检测流程的复杂性。