多模态蒸馏检测网络

轻量高效检测

面向高光透明物体的轻量级检测网络，通过多模态视觉语言知识蒸馏在保持高精度的同时减小模型规模。

Ze-Kai, Zhang · Gang, Li · Haijun, Zhang · Qinghui, Chen · Qunshu, Zhang · Wan, Jin · Maomao, Xiong · 白琮 · Li, Dagang · 张问银 · Wang, Xing · 张敬林 · Chen, Shengyong

International Journal of Computer Vision 2026

参数信息

数据集图像数量

36500

数据集实例数量

80000

技术优势

数据规模大

构建了首个大规模视觉-语言玻璃容器检测数据集，提供丰富的实际场景多模态标注。

轻量高效

提出了高效的轻量级基线模型，在多个数据集上超越现有方法，便于工业部署。

多模态蒸馏

首次将细粒度语言提示引入蒸馏过程，提升学生模型对关键特征的理解。

应用场景

• 工业视觉检测：用于高光透明物体的缺陷和数量检测，替代人工目检。
• 玻璃容器质检：对玻璃容器进行缺陷检测和计数，提升质检效率。
• 透明物体抓取：为透明物体抓取提供精确的目标检测信息。
• 边缘端视觉模型：轻量级模型适合部署在边缘端，实现实时检测。