一种基于交互式小波变换和Transformer的遥感图像长字幕生成方法、系统、设备及介质

一种基于交互式小波变换和Transformer的遥感图像长字幕生成方法、系统、设备及介质，方法：采用语义分割模型对获取的遥感图像数据集进行语义分割，生成遥感图像中各类地物在不同方位的占比信息；并将其输入大语言模型中，根据具体要求生成文本，构建图像‑文本对；对图像‑文本对全面审查，剔除其中明显错误的图像‑文本对；将审查后的图像‑文本对整理保存，用作遥感图像‑文本对数据集；搭建遥感图像长字幕生成网络，包括：图像编码器、交互式小波变换模块和语言模型；训练交互式小波变换模块；训练遥感图像长字幕生成网络；性能评估；系统、设备及介质用于实现该方法；本发明具有提高数据集质量、增强模型理解与生成能力以及提升字幕生成准确性的优点。