面向智慧渔业的深度学习：应用、机遇与挑战
计算机视觉与模式识别
2020-07-01 v2 机器学习
图像与视频处理
机器学习
摘要
随着深度学习（DL）技术的快速涌现，它已成功用于包括水产养殖在内的诸多领域。这一变化可为智慧渔业中的信息和数据处理带来新机遇与一系列挑战。本文聚焦 DL 在水产养殖中的应用，包括活鱼识别、种类分类、行为分析、投喂决策、尺寸或生物量估算、水质预测。此外，还分析了应用于智慧渔业的 DL 方法的技术细节，包括数据、算法、算力和性能。本综述结果表明，DL 最显著的贡献在于自动提取特征的能力。然而挑战依然存在；DL 仍处于弱人工智能时代。训练需要大量标注数据，这已成为制约 DL 在水产养殖中进一步应用的瓶颈。尽管如此，DL 仍在水产养殖复杂数据处理方面带来突破。简言之，我们的目的是让研究者和从业者更好地理解 DL 在水产养殖中的当前技术状态，从而为智慧渔业的实施提供有力支撑。
引用
@article{arxiv.2004.11848,
title = {Deep learning for smart fish farming: applications, opportunities and challenges},
author = {Xinting Yang and Song Zhang and Jintao Liu and Qinfeng Gao and Shuanglin Dong and Chao Zhou},
journal= {arXiv preprint arXiv:2004.11848},
year = {2020}
}
备注
43 pages, 7 figures