融合上下文学习与链式推理的视觉语言推理方法及系统

本发明属于人工智能技术领域，具体涉及一种融合上下文学习与链式推理的视觉语言推理方法及系统，方法分两个阶段来进行多模态推理，在第一阶段，结合上下文示例和目标问题识别目标图像的ROI区域；在第二阶段，将目标图像的全局特征和ROI区域、上下文示例的全局特征和ROI特征、目标问题相结合，预测得到最终的文本答案。本发明实现了局部特征提取以及局部特征与全局特征的融合，并结合上下文示例进行阶段性的视觉语言推理，能够提高视觉语言任务的逻辑推理能力和鲁棒性。