全球尺度下的海洋鱼类图像智能分类研究进展

来源：电子与信息学报杂志2024年第5期北京时间：

作者：周鹏, 李昌永, 步雨馨, 周芷诺, 王春生, 沈红斌, 潘小勇

单位：1.自然资源部第二海洋研究所 杭州 3100122.自然资源部海洋生态系统动力学实验室 杭州 3100123.上海交通大学图像处理与模式识别研究所 上海 200240

摘要：在全球尺度上了解鱼类物种组成、丰度及时空分布等，将有助于其生物多样保护。水下图像采集是获取鱼类物种多样性数据的主要调查手段之一，但图像信息分析工作耗时耗力。2015年以来，海洋鱼类图像数据集更新和深度学习模型算法优化等方面取得了一系列进展，但细粒度分类表现仍显不足，研究成果的生产实践应用相对薄弱。因此，该文首先分析海洋相关行业对鱼类自动化图像分类的需求，然后综合介绍鱼类图像数据集和深度学习算法应用，并分析了所面临的小样本下的细粒度分析等主要挑战及相应解决方法。最后探讨了基于深度学习的海洋鱼类图像自动化分类对相关图像信息处理研究及应用平台对未来在生态环境监测等海洋相关产业领域的重要性及其前景。该文旨在为快速了解基于深度学习的海洋鱼类图像自动化分类的研究背景、进展和未来方向的工作者提供相关信息。

关键词：深度学习, 海洋鱼类, 生物多样性, 小样本, 图像分类

基金资助：国家重点研发计划(2023YFC2811502)，上海交通大学深蓝计划(SL2022ZD108,SL2021MS005)