本发明提供了基于图像引导的文本增强的跨模态行人检索方法，属于人工智能与多模态感知领域，将训练图像、文本分别输入图像、文本编码器；获取图像特征的全局特征表示，将全局特征表示映射为伪令牌；提取伪文本特征；提取伪令牌嵌入，对伪令牌嵌入进行筛选...