google/cameratrapai

解決的問題

手動處理運動觸發式野生動物相機（相機陷阱）所拍攝的影像，是保育工作者面臨的重大瓶頸。SpeciesNet 透過自動識別與分類這些影像中的野生動物，實現自動化，讓實務工作者能將更多精力聚焦於保育工作，而非手動影像審查。

作法說明

SpeciesNet 使用兩個 AI 模型的集成：

1. 物件偵測器：使用 MegaDetector 在影像中定位動物、人類與車輛。
2. 影像分類器：使用在超過 6500 萬張影像上訓練、採用 EfficientNet V2 M 架構的模型，將偵測到的物件分類為 2000 多個標籤之一（包含物種、高階分類群與非動物類別）。

該集成透過啟發式方法與可選的地理資訊（如國家或州代碼）來過濾預測結果，並為每張影像分配單一類別。

適用對象

需要處理大量相機陷阱影像的保育實務工作者與野生動物監測研究人員。

主要亮點

• 大規模訓練：在超過 6500 萬張影像、地理多樣性的資料集上訓練。
• 廣泛分類：支援超過 2000 個標籤，涵蓋多樣物種與分類群。
• 地理過濾：可使用 ISO 國家代碼與美國州縮寫來提升預測準確性。
• 彈性部署：提供為 Python 套件，亦可透過 Wildlife Insights 和 Animl 等雲端平台，或 AddaxAI 等圖形工具使用。