基于语义理解与属性区分增强的视觉定位方法

本发明属于视觉定位技术领域，涉及一种基于语义理解与属性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形进行特征编码。语义敏感数据增强模块通过保持空间关系词的一致性，结合大型语言模型生成多个与长文本语义一致的查询，从而扩展针对长文本的训练数据集。细粒度属性引导模块则结合文生图模型与图像编码器，从文本查询中提取属性先验信息，并利用这些信息引导模型构建更具判别性的视觉特征表示，同时生成具有属性差异的目标查询。