目标检测方法、装置、设备、存储介质及程序产品

本申请公开了一种目标检测方法、装置、设备、存储介质及程序产品。其中，该方法应用于智能可穿戴设备，包括：获取用户输出的语音信息和智能可穿戴设备拍摄的第一图像，语音信息中包括目标对象的信息；在第一图像中确定多个实体对象各自对应的目标区域；按照多个目标区域剪裁第一图像，得到多个第二图像；提取多个第二图像分别对应的视觉特征，得到多个第一视觉特征，及从语音信息中提取目标对象的第一文本特征；基于多个第一视觉特征中与第一文本特征满足预设相似条件的目标视觉特征对应的第二图像，检测目标对象。根据本申请实施例的目标检测方法，能够实现根据用户意图从整个图像中检测到特定的目标对象，提升用户对智能可穿戴设备的使用体验。