图像描述方法、系统、存储介质及电子设备

本发明提供一种图像描述方法、系统、存储介质及电子设备，所述方法包括以下步骤：对图像进行目标检测，获取所述图像中的目标对象；对所述图像进行全景分割，获取所述图像中的场景；获取输入文本提示，所述输入文本提示用于指示根据所述目标对象和所述场景描述所述图像；将所述输入文本提示重复输入至少一个大语言模型，获取所述图像的描述文本；提取所述描述文本的文本特征；提取所述图像的图像特征；计算所述文本特征和所述图像特征的相似度；选取相似度最大的描述文本作为所述图像的最佳描述文本。本发明的图像描述方法、系统、存储介质及电子设备能够实现准确地图像描述，且不受限于训练数据的数量。