标题：海洋捕捞鱼类BigH神经网络分类模型设计与实现
作者：刘洋1，2；张胜茂1 王斐1；邹国华3
作者单位：1 中国水产科学研究院东海水产研究所，农业农村部东海渔业资源开发利用重点实验室，上海 200090；2 上海海洋大学信息学院，上海 201306；3 上海峻鼎渔业科技有限公司，上海 200090
关键字：深度学习；鱼类分类；卷积神经网络；自动调参
摘要：设计速度快、精度高的轻量化神经网络模型，实现海洋捕捞鱼类的自动分类，是深度学习技术在渔业领域的应用研究方向之一。通过对比研究迁移学习和人工神经网络，在海鲜市场拍摄的1284张包含13个种类的鱼类图像上，使用枚举法的思想设计自动训练算法，来训练迁移学习和人工设计的卷积神经网络。结果显示在VGG16、ResNet、InceptionV3网络上迁移学习，实现鱼类分类精度分别为88.6%、96.3%、94.5%，其权重分别为11000M、192M、206M；在基于人工设计的模型上分类精度为92.29%，权重仅为5.21M。可证明人工设计的网络在保留精度的同时，也做到了模型更小，更加适用于小数据的场景，同时也证明迁移学习在小数据集上，存在参数臃肿的问题。另外对卷积可视化和搭建神经网络Web程序的方法也进行了阐述。