一种基于视觉-语言模型知识蒸馏的水下目标检测方法

本发明公开了一种基于视觉‑语言模型知识蒸馏的水下目标检测方法。随着视觉‑语言大模型的不断成熟，其强大的视觉特征提取能力和文本对齐能力已广泛应用于深度学习领域。该方法首先收集并融合多个公开的水下数据集，并对数据进行清理和预处理，以构建一个丰富且高质量的训练数据集。其次引入视觉‑语言模型，在大模型微调阶段，通过图像和文本对齐进行特征提取和细粒度微调，有效捕捉图像与文本之间的关联，从而生成更为准确的特征表示。最后，在知识蒸馏阶段，该方法采用教师网络和学生网络进行特征迁移。教师网络从微调后的主干网络中获取精细特征，通过均方误差损失函数将这些知识传递给学生网络，从而提升学生网络的泛化能力和检测性能，最终实现水下目标的鲁棒检测。本发明充分利用视觉‑语言模型和知识蒸馏技术，增强水下目标特征，使模型能够学习到鲁棒的目标特征，提高检测的鲁棒性。