深度学习是人工智能的一个子类别，在自动识别水下传感器数据中的各种目标方面具有巨大潜力。这项工作的目标是支持未来使用深度学习的水下战争领域目标自动识别系统的发展，首先要展示什么是可能的，其次要让研究人员深入了解如何通过建议和经验教训来构建这种定制系统。目标受众是水下战争领域的研究人员，他们或是深度学习的新手，或是水下传感器数据的新手。深度学习的基础知识可以从许多在线课程中获得。本参考文档重点介绍如何应用这些工具识别目标，该领域不同于机器视觉和自然语言处理的常规应用。这些水下战争自动目标识别系统处理的不是标准图像或文本，而是来自声学传感器的数据。这些小型定制神经网络不是下载标准的现成网络，利用充足的计算资源从大型训练数据集中学习，而是设计用于从相对较小的训练数据集中学习，而且往往受到硬件的计算限制。这项工作概述了定制神经网络在各种水下战争自动目标识别任务中的应用，包括侧视声纳中的类雷物体、宽带声纳散射数据中的未爆弹药、被动声学数据中的水面舰艇以及主动声纳中的水下目标。此外，还分享了关于高效神经网络设计和使用来自水下传感器的小型训练数据集的建议。

先进的自动目标识别系统可以快速自动分析传入的传感器数据，并对感兴趣的目标进行探测、分类和定位，从而提高水下作战能力。这有助于减少从猎雷到被动声学监测、鱼雷防御和反潜战等各种应用中操作员的工作量。深度学习是在远程和无人平台上进行水下作战自动目标识别应用的一种特别有前途的方法。越来越多的研究人员希望获得相关建议，因此编写了本文档，以鼓励和支持深度学习技术在未来自动目标识别系统开发中的应用，从而提高水下作战领域的防御能力。