基于逐级知识蒸馏的目标检测模型压缩方法

本发明公开了基于逐级知识蒸馏的目标检测模型压缩方法，包括以下步骤：制作目标检测数据集；选用Drone‑YOLO作为教师模型，并利用目标检测数据集对教师模型进行训练；选用YOLOv8作为学生模型，学生模型具有YOLOv8x、YOLOv8l、YOLOv8m、YOLOv8s和YOLOv8n五个模型结构，将学生模型的五个模型结构分别修改至与教师模型具有相同的输出，然后定义损失函数L，通过损失函数L对修改后的五个学生模型结构依次进行逐级蒸馏，实现知识的逐级传递；根据应用场景，选择学生模型中最优的一个模型结构进行部署，确保在目标应用场景中实现高效的目标检测功能。通过逐步蒸馏策略使得当前模型能从上一个模型中继承和优化性能，减少因模型压缩而导致的性能损失。