本公开关于一种文本引导的图像检测方法、系统、设备、介质和程序产品，涉及图像检测技术领域，旨在准确判断图像的真伪。该方法包括：获取训练好的图像描述模型，所述图像描述模型包括图像编码器和多个文本解码器；将图像输入所述图像编码器，得到所述图像的语义图像特征，并将所述语义图像特征和前一文本解码器的输出，输入每一所述文本解码器，得到所述图像的描述文本的文本特征；在所述文本特征引导下，利用提取的所述图像的全局图像特征，基于交叉注意力机制检测所述图像的真伪。