一种多模态目标检测方法、装置、终端及储存介质

本发明公开了目标检测技术领域的一种多模态目标检测方法、装置、终端及储存介质，旨在解决现有技术通常存在依赖标注数据、视觉骨干多样性不足的问题，且训练成本较高的问题。其包括以下步骤：获取目标图像；将目标图像输入至预训练好的多模态目标检测模型，输出定位及分类预测结果，完成检测；本发明首次在目标检测任务中引入UNet网络作为视觉骨干网络，突破了传统有监督和无监督方法的局限性，为目标检测任务提供了全新的特征表示方式；本发明利用多模态目标检测模型的自监督学习能力，减少了对大量标注数据的依赖，降低了训练成本，同时提升了模型在数据稀缺场景下的适用性。