一种基于多模态大模型的海洋船舶分类方法

本发明公开了一种基于多模态大模型的海洋船舶分类方法，旨在解决现有船舶分类模型在少样本和跨域任务中性能不佳的问题。该方法通过结合大规模视觉语言模型和提示学习技术，实现了对少量标注样本的有效利用和跨域船舶分类的高效适应性。具体地，通过“纠缠‑解缠”策略，将不同域的图像特征进行融合(纠缠)，并利用域特定的提示词对其进行解缠，生成对应域的分类预测。该方法采用了域特定提示学习，能够充分利用源域和目标域的知识差异来增强模型的泛化能力。通过本发明，显著提升了在跨域场景下的船舶分类准确性与鲁棒性，适用于海洋监测、船舶识别与智能海事管理等领域，为海洋交通安全和环境保护提供了有力的技术支持。