深度学习在鱼类栖息地监测中的应用：教程与综述

海洋生态系统及其鱼类栖息地因在提供宝贵食物来源和保育成果方面的重要作用而日益受到重视。由于其偏远且难以到达的特性，海洋环境与鱼类栖息地常借助水下摄像机进行监测。这些摄像机产生海量数字数据，现有依赖人工观测的手动处理方法无法高效分析。DL（深度学习）是一项前沿人工智能技术，在视觉数据分析中展现出前所未有的性能。尽管其已应用于众多领域，在水下鱼类栖息地监测中的使用仍待深入探索。本文提供一篇教程，涵盖 DL 的关键概念，帮助读者从高层理解 DL 的工作原理。该教程还逐步说明了应如何针对水下鱼类监测等具挑战性的应用开发 DL 算法。此外，我们全面综述了用于鱼类栖息地监测的关键深度学习技术，包括分类、计数、定位与分割。进而，我们调研了公开的水下鱼类数据集，并比较了水下鱼类监测领域中各类 DL 技术。我们还讨论了深度学习用于鱼类栖息地处理这一新兴领域中的一些挑战与机遇。本文旨在作为面向海洋科学家的教程，使其能高层理解 DL、按我们的逐步教程将其用于自身应用，并了解其如何演进以助力研究；同时，它也适合想要调研基于 DL 的鱼类栖息地监测前沿方法的计算机科学家。