基于视觉注意力增强的任务处理方法、装置、设备及介质

本发明涉及人工智能技术领域，可应用于智能体自主决策、金融科技及医疗健康等业务场景中，公开了一种基于视觉注意力增强的任务处理方法、装置、设备及介质，包括：获取视觉、语言和动作数据预处理后生成多模态初始特征，提取视觉分层特征，双中央凹注意力模块处理高层视觉特征并融合，侧抑制网络得到增强视觉特征，跨模态融合模块以增强视觉特征为查询向量、语言分量和动作分量为键和值向量生成融合特征，融合特征输入决策网络生成目标类别与位置信息，基于与实际标签差异生成反馈信息，更新模块参数后完成目标任务。本发明通过结合仿生视觉机制和多模态注意力融合，提升视觉特征提取与背景抑制能力，可在复杂场景中提高目标捕捉效率与识别精度。