基于目标辨识与查询区分增强的视觉定位方法

本发明属于视觉定位技术领域，涉及一种基于目标辨识与查询区分增强的视觉定位方法。本发明框架主要包括：特征编码模块、语义敏感数据增强模块、细粒度属性引导模块、多阶段跨模态解码器模块。具体来说，特征编码模块对输入图像进行特征编码。细粒度语义引导模块通过将语义先验信息注入语言特征，增强其对图像中目标对象特征的敏感性。属性感知迭代解码器则通过联合语言特征与视觉特征，提取与目标对象相关的属性语义信息，并利用该信息初始化目标查询，随后通过迭代过程不断细化目标对象的特征表示。本发明有效增强了模型对颜色、纹理、形状、状态等关键属性的感知能力，使语言特征能更精准地指向图像中的具体目标。