本發(fā)明公開了一種基于多目標(biāo)檢測模型無標(biāo)簽的知識蒸餾方法及存儲介質(zhì)，屬于計算機(jī)視覺目標(biāo)檢測領(lǐng)域，該方法包括以下步驟：S1、獲取多類別數(shù)據(jù)集；S2、利用不同類別的數(shù)據(jù)集訓(xùn)練出不同的教師網(wǎng)絡(luò)，將無標(biāo)簽的圖片輸入至學(xué)生網(wǎng)絡(luò)和多個教師網(wǎng)絡(luò)，引導(dǎo)學(xué)生網(wǎng)絡(luò)訓(xùn)練；學(xué)生網(wǎng)絡(luò)的類別為多個教師網(wǎng)絡(luò)類別的組合；S3、設(shè)計全局蒸餾損失以及自適應(yīng)損失，平衡多個不同教師網(wǎng)絡(luò)和學(xué)生網(wǎng)絡(luò)之間的蒸餾損失，平衡不同教師網(wǎng)絡(luò)之間的語言特性，優(yōu)化學(xué)生網(wǎng)絡(luò)訓(xùn)練過程。本發(fā)明能夠有效提煉出不同教師網(wǎng)絡(luò)中的多類別信息，進(jìn)行完整類別的目標(biāo)檢測，并且在單一數(shù)據(jù)集的制定類別上與教師網(wǎng)絡(luò)持平甚至超越。