典型文献
面向海洋渔业捕捞生产的深度学习方法应用研究进展
文献摘要：
随着全球渔业资源不断衰退,各国渔业机构和区域渔业管理组织采用渔业观察员方式促进渔业可持续捕捞,但人类观察员方式成本高、覆盖率低,难以满足管理需要.近年来,深度学习新模型不断涌现和完善,其检测速度、精度均在不断增强,为其应用于海洋渔业捕捞生产监控提供了条件.本文从数据获取、数据预处理、算法设计、模型训练和精度评价等方面,总结了渔业捕捞生产监测模型的构建过程,以渔船与渔船行为、渔获物、渔场预报、船员和渔具为对象,综述了深度学习技术在海洋渔业捕捞中的应用,并提出利用迁移学习或强化学习等方法来拓展识别目标种类及增强检测模型、利用高精度的特征提取网络提高目标分类准确率、通过边缘计算技术解决电子监控数据实时解析及制定统一标准以规范电子监控在渔业管理中的应用等未来重点研究方向,以期为深度学习在海洋渔业捕捞生产中的推广应用提供科学参考.
文献关键词：
深度学习;目标检测;渔获物识别与量测;卷积神经网络;海洋渔业捕捞生产
中图分类号：
作者姓名：
张胜茂;孙永文;樊伟;唐峰华;崔雪森;伍玉梅
作者机构：
大连海洋大学航海与船舶工程学院,辽宁大连116023;中国水产科学研究院东海水产研究所农业农村部渔业遥感重点实验室,上海200090
文献出处：
引用格式：
[1]张胜茂;孙永文;樊伟;唐峰华;崔雪森;伍玉梅-.面向海洋渔业捕捞生产的深度学习方法应用研究进展)[J].大连海洋大学学报,2022(04):683-695
A类：
海洋渔业捕捞生产,渔获物识别与量测
B类：
向海,深度学习方法,渔业资源,区域渔业管理组织,观察员,检测速度,于海洋,生产监控,数据获取,数据预处理,算法设计,模型训练,精度评价,监测模型,构建过程,以渔,渔船,渔场预报,船员,渔具,深度学习技术,迁移学习,强化学习,检测模型,特征提取网络,目标分类,分类准确率,边缘计算技术,电子监控,监控数据,统一标准,目标检测
AB值：
0.285302
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
