google/cameratrapai

解决的问题

对运动触发式野生动物相机（相机陷阱）图像进行手动处理是保护工作者面临的一个重大瓶颈。SpeciesNet 通过自动识别和分类这些图像中的野生动物，实现了自动化，使实践者能够将更多精力集中在保护工作上，而非手动图像审查。

工作原理

SpeciesNet 使用两个 AI 模型的集成：

1. 目标检测器：使用 MegaDetector 在图像中定位动物、人类和车辆。
2. 图像分类器：使用基于超过 6500 万张图像训练、采用 EfficientNet V2 M 架构的模型，将检测到的对象分类为 2000 多个标签之一（包括物种、更高层级的分类群以及非动物类别）。

该集成通过启发式方法和可选的地理信息（如国家或州代码）来过滤预测结果，并为每张图像分配一个单一类别。

适用人群

需要处理大量相机陷阱图像的保护实践者和野生动物监测研究人员。

主要亮点

• 大规模训练：在包含 6500 万张以上图像的地理多样性数据集上进行训练。
• 广泛分类：支持超过 2000 个标签，涵盖多种物种和分类群。
• 地理过滤：可使用 ISO 国家代码和美国州缩写来提高预测准确性。
• 灵活部署：提供为 Python 包，也可通过 Wildlife Insights 和 Animl 等云平台，或 AddaxAI 等图形工具使用。