一种高效高精度生成式文本图像检索方法

本发明提出一种高效高精度生成式文本图像检索方法。本方法分为三阶段：S1 分层量化模块拆分图像场景、实体双层特征，结合大模型分层文本监督与双残差码本生成结构化图像标记；S2 同步构造图像、文本两类正交难负样本，融合生成损失与双向排序损失训练T5检索器；S3 基于Trie约束束搜索生成候选，利用生成熵动态融合生成得分与图文匹配分完成重排序。在Flickr30K、MS‑COCO数据集验证，本发明各项召回指标优于主流生成基线，检索复杂度恒定，兼顾大规模图库检索精度与并发处理效率。