基于多模态目标检测模型的检测方法及装置、电子设备

本发明公开了一种基于多模态目标检测模型的检测方法及装置、电子设备，涉及模型检测技术领域，该方法包括：获取预先构建的多模态目标检测模型，多模态目标检测模型采用两阶段训练策略：预训练阶段冻结文本编码器的参数，利用其它模型架构学习状态文本与视频图像的跨模态对齐关系，以建立基础语义对齐；微调阶段冻结主干的双模态架构和特征融合层的参数，仅训练投影层、类型特征表示头以及目标框回归头，以适配指定行业分布；将行业提示词文本与提取的图像帧输入至多模态目标检测模型，进行目标对象特征提取，输出目标边界框坐标，以定位目标对象位置。本发明解决了相关技术中的目标检测模型定位密集目标场景下的精度较低的技术问题。