多解耦蒸馏轻量检测器

mAP 提升 1.2%

在移动边缘计算环境下，通过信息解耦蒸馏与强化学习决策，实现多无人机船舶检测的高精度与长续航。

刘涛 · Peiyao, Wang · 张召 · 雷正玲 · Yun, Ye · Huo, Yuchi · Zhang, Xiaocai · 何高奇 · 吴华锋

IEEE Transactions on Intelligent Transportation Systems 2025

参数信息

mAP@0.5（SeaShips7000）

1.2 %

mAP@0.5（FVessel）

1.1 %

路径规划奖励提升（对比 K-Means）

2.0 times

路径规划奖励提升（对比 DBSCAN）

1.4 times

技术优势

精度与算力兼得

多解耦蒸馏将卷积核与类别、前景与背景的纠缠关系分离，使轻量级学生网络在有限算力下逼近教师网络精度。

在线决策卸载

采用近端策略优化算法动态选择本地计算或边缘卸载，在保证检测精度的同时延长无人机续航，不再依赖静态分配策略。

奖励提升显著

与 K-Means 和 DBSCAN 相比，路径规划奖励值分别约为 2.0 倍和 1.4 倍，表明系统在多种场景下具有更强的鲁棒性。

应用场景

• 海上无人机巡检：轻量化模型与在线卸载使无人机在海上巡检中持续高精度识别船舶，替代人工瞭望。
• 具身智能：PPO 智能体实时决策运动与计算，赋予无人机在动态海洋环境中自主判断与行动的能力。
• 物联边缘智能：蒸馏压缩模型适合边缘部署，任务卸载策略优化端侧与边缘服务器协作，降低通信与能耗。
• 工业无人机：在算力受限的工业无人机上实现接近教师网络的检测精度，延长单次任务续航时间。