摘要
本申请提供了一种目标检测模型的训练方法、装置、设备及计算机可读介质，该申请通过在目标检测模型的训练过程中，考虑到多模态预训练模型能够自动学习跨模态信息(如图像和文本)之间的关联关系，实现对图像和文本的联合理解能够，能够更好地理解样本图像数据集上的类别名称与图像视觉特征之间的对应关系。因此，通过借助泛化性强的多模态预训练模型，能够输出特定领域下样本图像的各个类别名称对应的文本特征向量，将该文本特征向量作为模型训练的监督信息，即将某一类别的目标对象的图像特征向量与文本特征向量的相似度作为损失函数的一部分，从而提高目标检测模型的参数更新准确度，进而提高训练后的目标检测模型的检测准确度。
