一种基于渐进式学习框架的地图场景语义文本生成方法

本申请提供了一种基于渐进式学习框架的地图场景语义文本生成方法，涉及地理空间视觉语义解析技术领域，方法包括：根据多模态地理图像及其对应文本描述，构建地理空间图像‑文本数据集，得到样本；基于动态分箱课程学习划分样本难度，结合样本对预训练的CLIP视觉‑语言模型进行优化；获取待处理的多模态地理图像；将待处理的多模态地理图像输入优化后的CLIP视觉‑语言模型，输出多模态地理图像的结构化描述文本。本申请的技术方案通过动态课程学习与生物启发特征解耦实现轻量化跨模态语义对齐。