基于知识蒸馏的轻量型浮游植物检测网络

张彤彤， 董军宇， 赵浩然， 李 琼， 孙 鑫

中国海洋大学信息科学与工程学院，山东青岛266000

海洋浮游植物是海洋生态系统中最主要的初级生产者，也是海洋生物资源的重要组成部分，在海洋生态系统的物质循环和能量流动中起着极其重要的作用.海洋浮游植物的生命活动影响和改变着海水的理化性质，其盛衰也直接或间接地影响着整个海洋生态系统的生产力.因此，对海洋浮游植物进行实时监测具有重大意义.

传统的海洋浮游植物调查一般由海洋调查船进行现场采样后将样本带回实验室，再由人工通过显微镜目视判读、分类.这类方法不仅费时、费力，而且需要研究者具有丰富的海洋浮游植物专业知识和分类经验.近年来，随着计算机性能的提高和数据集的大量丰富，卷积神经网络在计算机视觉、语音识别、自然语言处理等领域得到了广泛的应用.在计算机视觉的研究和应用场景中，深度卷积神经网络不仅能为我们提供更丰富的局部特征，还可以提供更具鲁棒性的抽象全局特征，推动了目标检测、目标识别等细分领域的发展.卷积神经网络的快速发展也推动了浮游植物的实时观测，但是目标检测的性能常常依赖于卷积神经网络的规模，大量的网络参数会带来计算资源和存储资源的消耗，从而使得目标检测的速度难以达到实时的要求，也就难以部署在浮游植物原位观测设备中.一些研究采用全连接的……