图像视觉单元的筛选方法、装置、设备及介质

本公开实施例涉及一种图像视觉单元的筛选方法、装置、设备及介质，其中该方法包括：提取图片的视觉单元集合；获取与图片对应的视觉查询文本的多个文本单元；根据每个视觉单元与多个文本单元的视觉相关性在视觉单元集合中筛选出目标视觉单元，直到满足预设停止筛选条件，其中，根据筛选出的目标视觉单元和所述多个文本单元获取的实际视觉答案，与视觉查询文本对应的预设标准视觉答案的答案损失值小于预设损失阈值。在本技术方案中，在实现对视觉单元进行数量的压缩的基础上，实现了筛选出的目标视觉单元与视觉查询文本的高度关联性，保证了筛选出的目标视觉单元保留了与视觉查询文本相关的视觉细节。