王 鑫， 董佳纬， 史 伟*， 骆沛然

(1.宁夏大学 信息工程学院，宁夏 银川 750021； 2.兰州职业技术学院 电子信息工程系，甘肃 兰州 730070)

随着国家长江流域野生鱼类保护工作的不断深入推进，保护野生动物的重要经济价值和科学研究意义逐渐深入人心.2018年，被列入《濒危野生动植物国际贸易公约》附件(录)的物种已接近300种，其中很多物种都是长江流域的.这些物种的保护工作是权衡生态平衡和渔业经济利益的大工程,需要长期研究和精细化实施，得全员参与.尤其是一线渔业从业人员,该群体人员基数庞大，在实际生产过程中他们对保护鱼类的具体操作会很大程度影响总体保护工作的成效，需要对保护鱼类有一定的分辨能力.然而一线渔业从业人员没有专门的时间和更多的精力去研究学习每一种保护鱼类的特征，而且由于保护鱼类的品种繁多且时常更新，要求他们能够即时分辨各种保护鱼类是不现实的.从另一方面来讲，尽管已经有很多出色的深度学习网络模型可以对图像进行分类识别且已经能达到很高的精确度，但是目前国内外采用深度学习方法对长江保护鱼类进行识别的研究工作并不多，而且生活在长江上游的野生保护鱼类基数本来就少且在不断退化，能够捕捉到它们的影像实属不易，自然而然关于此类物种的图像数据样本会很少.利用AlexNet[1]、VGG[2]、GoogLeNet[3]等依靠数据驱动的成熟网络模型在如此小规模的数据集上训练获得的……