码科智能 | 谷歌开源「动物物种识别神器」SpeciesNet！6500万张图像训练，秒识2000+物种！

本文来源公众号“码科智能”，仅用于学术分享，侵权删，干货满满。

原文链接：谷歌开源「动物物种识别神器」SpeciesNet！6500万张图像训练，秒识2000+物种！

当北极狐的踪迹被AI锁定、盗猎者的车轮被算法拦截，或许这就是科技守护地球的最美姿态。谷歌最新开源AI模型 SpeciesNet，专为野生动物研究打造！

只需一张相机照片，秒识2000+物种！不管是热带雨林中拍摄的树蛙，还是在极地雪原中伪装的北极狐，亦或是雪域高原上孤独漫步的雪豹等都可以精确识别！

全球最大野生动物图像库，超6500万张图像训练、夜间模糊照精准解析，支持商业使用，开发者可以自由部署和改进模型！

全球生态学家目前正面临同一难题：红外相机陷阱（自动触发拍摄的野外相机）每天产生 数百万张图像，但人工筛选需耗时数周！传统困境主要在于：

🌍 热带雨林的树蛙 vs. 极地的北极狐——物种差异大，人工识别易出错。

🌍 夜间拍摄模糊、植被遮挡——肉眼难辨细节。

谷歌联合史密森学会、伦敦动物学会等机构，推出开源AI模型 SpeciesNet，论文及开源代码如下：

Paper：ietresearch.onlinelibrary.wiley.com/doi/10.1049/cvi2.12318
Code：https://github.com/google/cameratrapai

一、涉及到的两个AI模型简介

想象你是一个野生动物研究员，每天收到成千上万张野外相机拍的模糊照片，有动物、空镜头、甚至盗猎者的车。SpeciesNet 就像你的AI助手，用两步流水线帮你快速筛图：

第一步：保安巡逻（MegaDetector 检测器）

• 任务：快速扫一眼照片，回答三个问题：

  1. 有没有东西？（是动物/人/车，还是空白？）其中夜间优化，针对模糊、低光照图像，识别准确率提升40%。

  2. 在哪里？（用框标出位置）

  3. 可能性多大？优先抓“显眼包”：对常见动物（比如鹿）特别敏感，确保快速识别。

---

第二步：动物专家会诊（SpeciesNet 分类器）

如果“保安”发现可能是动物，照片会交给更专业的AI动物学家：

1. 看细节：放大红框内的区域，分析斑纹、瞳孔等特征。

2. 列名单：支持2000+标签，涵盖从“非洲象”到“猫科动物”的精细分类，支持“物种→科属→大类”多层次分类。

二、两个AI模型如何组合？

SpeciesNet 集成使用一组启发式算法和（可选）地理信息将这两个模型结合起来，将每幅图像分配到一个类别。

1. 不确定就“升级”：如果分不清是“非洲象”还是“亚洲象”，AI会说：“至少是象科！”。

2. 地域常识：如果照片拍于北极，AI绝不会标记“非洲狮”（即使长得像）。

3. 最终底线：如果连“是不是动物”都不确定，直接标记“未知”，交给人类判断。

当调用模型时，对应的输入格式如下，其中纬度和经度仅用于确定 admin1_region：

{
    "instances": [
        {
            "filepath": str  => Image filepath
            "country": str (optional)  => 3-letter country code (ISO 3166-1 Alpha-3) for the location where the image was taken
            "admin1_region": str (optional)  => First-level administrative division (in ISO 3166-2 format) within the country above
            "latitude": float (optional)  => Latitude where the image was taken
            "longitude": float (optional)  => Longitude where the image was taken
        },
        ...  => A request can contain multiple instances in the format above.
    ]
}

SpeciesNet 不仅是技术的赋能，更是一场生态保护民主化运动——通过开源降低监测门槛，让小型保护区、学生团队也能用上有用的AI工具。

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。大家有推荐的公众号可以评论区留言，共同学习，一起进步。