基于端侧多模态大模型的图片和视频识别及分析方法

本发明提供基于端侧多模态大模型的图片和视频识别及分析方法，涉及人工智能技术领域，包括通过将图片或视频输入端侧多模态大模型，采用蒙特卡洛树搜索提取特征并生成候选识别结果，利用图神经网络构建特征语义图计算置信度分数，选取最高分数结果输出至显示界面。本发明能提高识别精度，降低计算资源消耗，增强多媒体内容分析能力。