SpeciesNet：用AI識(shí)別野生動(dòng)物的開(kāi)源工具

一年前，SpeciesNet這款使用AI自動(dòng)識(shí)別相機(jī)陷阱圖像中物種的工具實(shí)現(xiàn)了開(kāi)源。如今，越來(lái)越多的人正在使用這款由谷歌開(kāi)發(fā)的工具來(lái)推進(jìn)研究和保護(hù)工作。

運(yùn)動(dòng)觸發(fā)相機(jī)，也稱(chēng)為"相機(jī)陷阱"，正在為從房主到公園管理者的所有人提供前所未有的本地野生動(dòng)物觀察視角。雖然好奇的后院用戶(hù)可能能夠用肉眼識(shí)別小動(dòng)物，但更大規(guī)模的項(xiàng)目現(xiàn)在正在收集成千上萬(wàn)甚至數(shù)百萬(wàn)張野生動(dòng)物圖像，如果手動(dòng)識(shí)別可能需要數(shù)十年時(shí)間。

如今，越來(lái)越多的人正在使用AI通過(guò)SpeciesNet識(shí)別圖像中的動(dòng)物。這款由谷歌開(kāi)發(fā)的AI模型可以對(duì)相機(jī)陷阱圖像中的近2500種動(dòng)物類(lèi)別進(jìn)行分類(lèi)，這要?dú)w功于保護(hù)合作伙伴提供的6500萬(wàn)張標(biāo)注圖像來(lái)訓(xùn)練模型。SpeciesNet最初是在線平臺(tái)Wildlife Insights的一部分，一年前我們將其作為開(kāi)源工具發(fā)布，供其他人下載、調(diào)整和改進(jìn)。

在過(guò)去的12個(gè)月里，世界各地的研究團(tuán)隊(duì)使用開(kāi)源SpeciesNet模型在哥倫比亞發(fā)現(xiàn)美洲獅和虎貓，在愛(ài)達(dá)荷州發(fā)現(xiàn)麋鹿和黑熊，在澳大利亞發(fā)現(xiàn)鶴鴕和麝香袋鼠，在坦桑尼亞塞倫蓋蒂?lài)?guó)家公園發(fā)現(xiàn)獅子和大象。這個(gè)AI模型讓更多人能夠提出關(guān)于野生動(dòng)物模式和保護(hù)的更廣泛?jiǎn)栴}。

SpeciesNet是Google Earth AI的一部分，這是一個(gè)地理空間工具、數(shù)據(jù)集和AI模型的集合，用于深度行星智能。Earth AI賦能社區(qū)和非營(yíng)利組織解決地球上一些最緊迫的需求。

相機(jī)陷阱如何工作

如今，幾乎所有有效的野生動(dòng)物監(jiān)測(cè)都依賴(lài)于運(yùn)動(dòng)觸發(fā)的野生動(dòng)物相機(jī)陷阱。相機(jī)通常安裝在樹(shù)上。在大多數(shù)情況下，散熱體的運(yùn)動(dòng)會(huì)觸發(fā)幾秒鐘的圖像拍攝。日益實(shí)惠的技術(shù)讓項(xiàng)目能夠部署數(shù)十甚至數(shù)百臺(tái)相機(jī)，產(chǎn)生大量數(shù)據(jù)。

SpeciesNet利用深度學(xué)習(xí)自動(dòng)識(shí)別相機(jī)陷阱照片中存在的動(dòng)物物種。這種自動(dòng)化加速了研究，促進(jìn)了更高效的數(shù)據(jù)分析，并最終支持更明智的管理和保護(hù)決策。

識(shí)別動(dòng)物對(duì)于評(píng)估種群健康狀況并及早發(fā)現(xiàn)任何變化非常重要；用于研究動(dòng)物遷徙，特別是應(yīng)對(duì)氣候變化的遷徙；以及獲得基于證據(jù)的種群規(guī)模測(cè)量來(lái)管理這些種群。發(fā)現(xiàn)稀有或?yàn)l危物種對(duì)于理解和保護(hù)受威脅種群也至關(guān)重要。

SpeciesNet的工作原理

SpeciesNet是一個(gè)全球規(guī)模的模型，可以分類(lèi)2498個(gè)類(lèi)別，包括哺乳動(dòng)物、鳥(niǎo)類(lèi)和爬行動(dòng)物。SpeciesNet與另一個(gè)開(kāi)源模型MegaDetector協(xié)同工作，以確定哪些圖像以及這些圖像中的哪些像素包含動(dòng)物。SpeciesNet為它識(shí)別的每只動(dòng)物生成物種名稱(chēng)和置信度水平，包括單張圖像中同一物種或不同物種的多只動(dòng)物。SpeciesNet可以在標(biāo)準(zhǔn)筆記本電腦上每天處理約30000張圖像，或在低端游戲GPU上每天處理250000張或更多圖像。

自2019年以來(lái)，SpeciesNet一直在基于谷歌云的Wildlife Insights平臺(tái)上運(yùn)行。Wildlife Insights是一個(gè)社區(qū)平臺(tái)，托管約2億張帶有人工驗(yàn)證標(biāo)簽的圖像。SpeciesNet幫助Wildlife Insights用戶(hù)標(biāo)記他們的圖像；任何經(jīng)過(guò)人工驗(yàn)證的標(biāo)記圖像反過(guò)來(lái)都可以為SpeciesNet提供訓(xùn)練數(shù)據(jù)。

SpeciesNet在超過(guò)6500萬(wàn)張圖像的數(shù)據(jù)集上進(jìn)行訓(xùn)練，包括來(lái)自Wildlife Insights用戶(hù)社區(qū)的精選圖像，以及來(lái)自公開(kāi)可用存儲(chǔ)庫(kù)的標(biāo)記圖像。該模型使用卷積神經(jīng)網(wǎng)絡(luò)在不同的光照、角度和與拍攝對(duì)象距離的條件下，盡可能將動(dòng)物識(shí)別到物種級(jí)別。這個(gè)廣泛的訓(xùn)練數(shù)據(jù)集使SpeciesNet模型能夠在相機(jī)陷阱項(xiàng)目的保留測(cè)試集上找到99.4%包含動(dòng)物的圖像。83%的情況下，它將動(dòng)物分類(lèi)到物種級(jí)別，其中94.5%的預(yù)測(cè)是正確的。有關(guān)模型訓(xùn)練數(shù)據(jù)、性能和評(píng)估的更多詳細(xì)信息可以在我們2024年的出版物中找到。

SpeciesNet的實(shí)際應(yīng)用

在過(guò)去的一年里，一些突出的項(xiàng)目包括：

愛(ài)達(dá)荷州魚(yú)類(lèi)和野生動(dòng)物管理局使用數(shù)百個(gè)相機(jī)陷阱來(lái)監(jiān)測(cè)物種，特別是在該州北部森林較多的地區(qū)。

哥倫比亞的Red Otus項(xiàng)目是一個(gè)全國(guó)性的相機(jī)陷阱網(wǎng)絡(luò)，由多個(gè)大學(xué)和保護(hù)組織合作運(yùn)營(yíng)。該項(xiàng)目使用SpeciesNet來(lái)處理來(lái)自全國(guó)各地的圖像，幫助監(jiān)測(cè)從虎貓到美洲獅等物種。

澳大利亞野生動(dòng)物觀測(cè)站（WildObs）是已經(jīng)訓(xùn)練開(kāi)源版本SpeciesNet以識(shí)別當(dāng)?shù)刂匾锓N的團(tuán)體之一。他們專(zhuān)注于澳大利亞熱帶雨林中的物種，包括鶴鴕、麝香袋鼠和各種有袋動(dòng)物。

坦桑尼亞塞倫蓋蒂?lài)?guó)家公園的Snapshot Serengeti項(xiàng)目是最大和最長(zhǎng)期運(yùn)行的相機(jī)陷阱項(xiàng)目之一。該項(xiàng)目使用SpeciesNet來(lái)處理數(shù)百萬(wàn)張圖像，幫助研究人員了解塞倫蓋蒂生態(tài)系統(tǒng)中的動(dòng)物種群動(dòng)態(tài)。

開(kāi)源協(xié)作的未來(lái)

在將SpeciesNet作為開(kāi)源資源發(fā)布時(shí)，我們的目標(biāo)是促進(jìn)協(xié)作并加速全球野生動(dòng)物監(jiān)測(cè)和保護(hù)的進(jìn)展。GitHub存儲(chǔ)庫(kù)提供了運(yùn)行和調(diào)整模型所需的代碼、文檔和資源的訪問(wèn)權(quán)限。我們鼓勵(lì)社區(qū)繼續(xù)為項(xiàng)目做出貢獻(xiàn)，改進(jìn)模型，并擴(kuò)展其能力，就像開(kāi)源工具的早期采用者所做的那樣。

希望使用能夠輕松快速運(yùn)行SpeciesNet并幫助管理數(shù)據(jù)和與其他團(tuán)體協(xié)作的平臺(tái)的研究團(tuán)體或個(gè)人，建議探索Wildlife Insights平臺(tái)，這是一個(gè)用于生物多樣性監(jiān)測(cè)和管理的全球資源。

SpeciesNet代表了在自動(dòng)化和加速野生動(dòng)物圖像分析方面向前邁出的重要一步，從狒狒到袋鼠。我們的目標(biāo)是支持AI模型的開(kāi)發(fā)，這是一項(xiàng)持續(xù)的協(xié)作努力，旨在理解和保護(hù)全球生物多樣性。

感謝所有為Wildlife Insights做出貢獻(xiàn)并使SpeciesNet成為可能的科學(xué)家。特別感謝領(lǐng)導(dǎo)SpeciesNet訓(xùn)練的Tomer Gadot和Stefan Istrate。有關(guān)使用SpeciesNet問(wèn)題的項(xiàng)目可以聯(lián)系cameratraps@google.com。

Q&A

Q1：SpeciesNet是什么？它能識(shí)別多少種動(dòng)物？

A：SpeciesNet是由谷歌開(kāi)發(fā)的AI模型，用于自動(dòng)識(shí)別相機(jī)陷阱圖像中的野生動(dòng)物物種。它可以對(duì)近2500種動(dòng)物類(lèi)別進(jìn)行分類(lèi)，包括哺乳動(dòng)物、鳥(niǎo)類(lèi)和爬行動(dòng)物。該模型在超過(guò)6500萬(wàn)張標(biāo)注圖像上進(jìn)行訓(xùn)練，能夠在99.4%的情況下找到包含動(dòng)物的圖像，并在83%的情況下將動(dòng)物分類(lèi)到物種級(jí)別。

Q2：SpeciesNet的處理速度有多快？

A：SpeciesNet的處理速度取決于使用的硬件設(shè)備。在標(biāo)準(zhǔn)筆記本電腦上，它可以每天處理約30000張圖像。如果使用低端游戲GPU，處理速度可以提升到每天250000張或更多圖像。這種自動(dòng)化處理能力大大加速了野生動(dòng)物圖像的分析工作，原本可能需要數(shù)十年手動(dòng)完成的工作現(xiàn)在可以在短時(shí)間內(nèi)完成。

Q3：如何使用SpeciesNet進(jìn)行野生動(dòng)物監(jiān)測(cè)？

A：SpeciesNet已經(jīng)作為開(kāi)源工具發(fā)布在GitHub上，研究人員可以下載代碼、文檔和資源來(lái)運(yùn)行和調(diào)整模型。對(duì)于希望使用更便捷平臺(tái)的用戶(hù)，可以使用Wildlife Insights平臺(tái)，這是一個(gè)基于谷歌云的全球性社區(qū)平臺(tái)，能夠輕松運(yùn)行SpeciesNet并幫助管理數(shù)據(jù)和協(xié)作。該平臺(tái)托管約2億張帶有人工驗(yàn)證標(biāo)簽的圖像。