全球范围内的研究人员利用相机陷阱——即连接红外传感器的数码相机——来研究野生动物种群。尽管这些陷阱能够提供宝贵的见解,但它们产生的数据量巨大,需要数天至数周的时间来筛选。
为解决这一问题,谷歌大约六年前推出了Wildlife Insights项目,该项目隶属于谷歌的Google Earth Outreach慈善计划。Wildlife Insights提供了一个在线平台,使研究人员能够共享、识别和分析野生动物图像,并通过协作加快相机陷阱数据的分析速度。
Wildlife Insights的许多分析工具都由SpeciesNet提供支持。谷歌表示,SpeciesNet经过了超过6500万张公开可用图像以及来自史密森尼保护生物学研究所、野生动物保护协会、北卡罗来纳自然科学博物馆和伦敦动物学会等组织的图像的训练。
SpeciesNet能够对图像进行分类,涵盖超过2000个标签,包括动物物种、如“哺乳动物”或“猫科动物”等分类群,以及非动物对象(例如“车辆”)。
近日,谷歌在博客文章中宣布,SpeciesNet AI模型的发布将使工具开发者、学者和生物多样性相关初创公司能够在自然区域扩展生物多样性的监测规模。
SpeciesNet已在GitHub上以Apache 2.0许可证开源,这意味着它可以在很大程度上不受限制地用于商业用途。
值得注意的是,谷歌并非唯一提供相机陷阱图像自动化分析开源工具的组织。微软的AI for Good Lab维护着PyTorch Wildlife框架,该框架提供经过微调、适用于动物检测和分类的预训练模型。