矮小小须鲸（Balaenoptera acutorostrata subsp。）唯一已知的可预测的聚集发生在每年5月至8月的大堡礁北部的澳大利亚近海水域。 对鲸的种群特征进行研究，并监测旅游活动的潜在影响，包括与鲸的商业游泳，都需要识别鲸的个体。 目前，对于研究人员来说，在每个观察/旅游季节之后手动处理和分析数以万计的水下图像并没有成本效益，并且存在大量历史不明图像的数据库。 这项研究报告了使用深度学习卷积神经网络（CNN）识别单个侏儒小须鲸的第一个概念证明。“现成”图像网络训练的VGG16 CNN被用作每像素语义的特征编码器细分自动小须鲸识别器（AMWR）。 在所提供的全部1320张图像中，在179张图像中，发现了76张单独的鲸鱼（MW1020）样本中拍摄次数最多的鲸鱼。 开发了培训和图像增强程序来补偿少量可用图像。 训练有素的AMWR在36个正/ MW1020图像和228个负/非MW1020图像的测试子集中实现了93％的预测准确度，其中每个负图像均包含其他75条鲸鱼中的至少一个。 此外，在测试子集上，AMWR达到了74％的准确度，80％的召回率和4％的假阳性率，这使得该方法可与其他
