Google开源了一个名为SpeciesNet的人工智能模型，这个模型能够通过分析相机陷阱照片识别动物物种。世界各地研究人员用相机陷阱研究野生动物种群，但数据筛选耗时久。六年前Google推出“野生动物洞察”项目助力相机陷阱数据分析，而其许多分析工具由SpeciesNet提供支持，该模型基于大量图片训练。Google称SpeciesNet可将图片分类到2000多个标签中。SpeciesNet以Apache 2.0许可开源，可用于商业用途。同时也提到微软也有类似的用于自动分析相机陷阱图像的开源工具。
Google开源了一款人工智能模型SpeciesNet，此模型的目的在于对相机陷阱拍摄的照片进行分析，从而识别出动物的物种。在全球范围内，众多研究人员会运用相机陷阱（这种设备是连接着红外线传感器的数码相机）来对野生动物种群展开研究。然而，这些相机陷阱虽然能够提供极具价值的研究信息，但由它们所产生的大量数据，筛选起来却要花费数天乃至数周的时间。
大概在六年前，为了给研究人员提供一定的帮助，Google启动了“野生动物洞察”（Wildlife Insights）项目，这一项目隶属于Google“Google地球拓展”（Google Earth Outreach）慈善项目。Wildlife Insights为研究人员打造了一个平台，在这个平台之上，研究人员能够在线对野生动物图像进行共享、识别以及分析，并且通过合作的方式加快相机陷阱数据的分析进程。
Wildlife Insights中的众多分析工具都是由SpeciesNet提供支持的。Google宣称，SpeciesNet是在超过6500万张公开图片以及来自诸多组织（例如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）的图片基础上训练而成的。
这是来自SpeciesNet的输出。图片来源：明尼苏达大学。
Google表示，SpeciesNet能够把图片分类到2000多个标签中的某一个，这些标签涵盖了动物物种、像“哺乳动物”或者“鼬科”这类的类群，还包括非动物对象（例如“车辆”）。
Google在周一发布的一篇博文中提到：“SpeciesNet人工智能模型的发布，将会让工具开发人员、学者以及与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范围。”
SpeciesNet能够以Apache 2.0许可的方式在GitHub上被使用，这就表明在很大程度上，它能够不受限制地被应用于商业用途。
需要注意的是，Google的这一工具并非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，这些模型能够对动物检测和分类进行微调。
本文总结了Google开源SpeciesNet模型的相关情况，包括其功能是识别相机陷阱照片中的动物物种，介绍了其训练数据来源、分类标签数量等，还提及了它的开源许可及商业用途可行性，同时也指出微软有类似的开源工具用于相机陷阱图像分析。这反映出在野生动物研究领域，人工智能技术不断发展且开源工具为更多主体提供了研究便利。
原创文章，作者：购物狂魔，如若转载，请注明出处：https://www.gouwuzhinan.com/archives/28817.html
