基于视觉语言模型的印章识别方法、设备、介质和产品

本申请提供一种基于视觉语言模型的印章识别方法、设备、介质和产品，涉及金融科技领域以及大模型在金融科技领域的应用。该方法通过确定待识别图像内的多个印章图像块，对多个印章图像块进行特征提取，基于提取到的特征，确定对应的印章候选框，确定该印章候选框的类型信息以及提示词；进而将提示词以及多个印章图像块输入至视觉语言模型中，得到每个印章候选框对应的印章识别结果；该方法基于提取到的特征确定对应的印章候选框，且基于视觉信息和语言信息，来共同对印章进行识别，确保了印章识别准确度，也显著提升了金融场景中微小、模糊、遮挡或复杂背景下印章的检测和识别精度，解决了现有技术中存在的小目标信息丢失的难题。