Google开源了人工智能模型SpeciesNet，旨在帮助研究人员通过分析相机陷阱照片来识别动物物种，从而加速野生动物种群的研究。该模型基于超过6500万张公开图片进行训练，能够将图片分类到2000多个标签中，涵盖动物物种、类群以及非动物对象。SpeciesNet的发布将使工具开发者、学者和生物多样性相关的初创公司能够扩大对自然区域生物多样性的监测。此外，微软的AI for Good Lab也维护着PyTorch Wildlife，提供预训练模型用于动物检测和分类。

📸 SpeciesNet是Google推出的开源AI模型，它通过分析相机陷阱拍摄的照片，能够识别照片中的动物物种，极大地提高了野生动物研究的效率和准确性。

🌍 SpeciesNet的训练数据来源于Wildlife Insights项目，该项目汇集了来自史密森保护生物学研究所、野生动物保护协会等组织的超过6500万张公开图片，保证了模型的广泛适用性和识别能力。

🏷️ SpeciesNet可以将图片分类到2000多个标签中，不仅包括具体的动物物种，还包括“哺乳动物”、“鼬科”等类群，甚至可以识别“车辆”等非动物对象，应用范围广泛。

💻 SpeciesNet以Apache 2.0许可在GitHub上开源，这意味着开发者可以不受限制地将其用于商业用途，促进了AI技术在生物多样性监测领域的应用和创新。

Google已经开源了一个人工智能模型 SpeciesNet，旨在通过分析相机陷阱的照片来识别动物物种。世界各地的研究人员使用照相机陷阱（连接到红外线传感器的数码相机）来研究野生动物种群。 不过，虽然这些陷阱可以提供有价值的见解，但它们产生的大量数据却需要几天到几周的时间才能筛选出来。

为了提供帮助，大约六年前，Google推出了"野生动物洞察"（Wildlife Insights）项目，这是该公司"Google地球拓展"（Google Earth Outreach）慈善项目的一项举措。 Wildlife Insights 提供了一个平台，研究人员可以在线共享、识别和分析野生动物图像，并通过合作加快相机陷阱数据分析。

Wildlife Insights 的许多分析工具都由 SpeciesNet 提供支持，Google称 SpeciesNet 是在超过 6500 万张公开图片和来自史密森保护生物学研究所、野生动物保护协会、北卡罗来纳州自然科学博物馆和伦敦动物学会等组织的图片上训练出来的。

来自 SpeciesNet 的输出。图片来源：明尼苏达大学

Google表示，SpeciesNet 可以将图片分类到 2000 多个标签中的一个，涵盖动物物种、"哺乳动物"或"鼬科"等类群以及非动物对象（如"车辆"）。

Google在周一发布的一篇博文中写道："SpeciesNet AI 模型的发布将使工具开发人员、学者和生物多样性相关的初创公司能够扩大对自然区域生物多样性的监测。"

SpeciesNet 可在 GitHub 上以 Apache 2.0 许可的方式使用，这意味着它在很大程度上可以不受限制地用于商业用途。

值得注意的是，Google的工具并不是唯一一款用于自动分析相机陷阱图像的开源工具。 微软的人工智能公益实验室（AI for Good Lab）维护着一个人工智能框架PyTorch Wildlife，该框架提供了经过预训练的模型，可对动物检测和分类进行微调。