图像识别方法、装置

本申请公开了一种图像识别方法、装置，属于电子技术领域。该方法包括：将第一图像输入图像识别模型，该图像识别模型包括视觉编码模块和语言编码模块，上述第一图像包括至少一个图像块；通过上述视觉编码模块，获取上述至少一个图像块对应的至少一个第一VT，以及每个第一VT的注意力权重，并获取上述第一图像对应的至少一个第二VT，以及每个第二VT的注意力权重，基于上述至少一个第二VT和上述每个第二VT的注意力权重，更新上述至少一个第一VT，其中，更新后的所述至少一个第一VT中的无效VT的值为0；将更新后的上述至少一个第一VT输入至上述语言编码模块；通过上述语言编码模块，对更新后的至少一个第一VT中的有效VT编码，得到目标图像信息。