Google modèle open source « SpeciesNet » simplifie le processus d'annotation des espèces, améliorant ainsi l'efficacité de la conservation

Google annonce l’ouverture du modèle SpeciesNet au public, améliorant considérablement l’efficacité de la recherche sur les espèces par les scientifiques. Grâce à une collaboration avec Wildlife Insights, ce modèle peut identifier avec précision plus de 2 500 espèces de mammifères dans le monde. Cette technologie d’intelligence artificielle libère les chercheurs des tâches fastidieuses de tri manuel et ouvre un nouveau chapitre dans la protection de la vie sur Terre grâce à une analyse d’images précise.

Qu’est-ce que Google SpeciesNet ?

SpeciesNet est un modèle d’intelligence artificielle open source de Google, entraîné pour reconnaître automatiquement près de 2 500 espèces de mammifères, d’oiseaux et de reptiles. De plus en plus d’institutions et d’universités utilisent SpeciesNet pour leurs recherches en conservation. Depuis 2019, le modèle est utilisé, et il a été lancé gratuitement en tant qu’outil open source par Google il y a un an. Aujourd’hui, les équipes de recherche utilisent ce modèle pour analyser et organiser des données d’images. SpeciesNet peut identifier des espèces sous différents angles et dans diverses conditions d’éclairage, même si seule une partie de l’animal est visible.

Comment fonctionne SpeciesNet ?

SpeciesNet fonctionne dans l’environnement cloud de Google. Il aide les utilisateurs de Wildlife Insights à annoter des images. Toute image annotée vérifiée peut à son tour fournir des données d’entraînement pour SpeciesNet. Wildlife Insights est une communauté hébergeant 200 millions d’images annotées.

SpeciesNet résout le principal obstacle dans la conservation traditionnelle : la vitesse de traitement des données.

Ses caractéristiques incluent :

Reconnaissance massive : capable d’identifier près de 2 500 espèces de mammifères, d’oiseaux et de reptiles.

Haute précision : taux de reconnaissance des animaux jusqu’à 99,4 %.

Traitement ultra-rapide : même un ordinateur portable ordinaire peut traiter 30 000 images par jour ; avec un GPU, ce chiffre peut dépasser 250 000 images.

Comment SpeciesNet aide la recherche

Les caméras peuvent capturer l’activité animale 24h/24, mais pour les gestionnaires de la faune, biologistes et conservationnistes, convertir des millions d’images en données est extrêmement chronophage. L’Institut d’études Humboldt en Colombie utilise SpeciesNet pour surveiller les espèces vivant dans la forêt amazonienne, analysant des dizaines de milliers d’images collectées. Ils ont découvert des changements dans les périodes de migration des oiseaux colombiens et dans les activités quotidiennes de la faune, notamment une tendance accrue à l’activité nocturne chez les mammifères pour échapper aux menaces et aux prédateurs.

Le département de la pêche et de la chasse de l’Idaho (IDFG) a déployé des centaines de caméras dans le nord à forte couverture forestière. SpeciesNet classe les images par espèce, accélérant considérablement le traitement des millions d’images collectées chaque année.

L’Australie abrite de nombreuses espèces rares que l’on ne trouve pas ailleurs. WildObs utilise SpeciesNet pour identifier ces espèces cruciales pour la conservation locale. Grâce à l’entraînement par IA, SpeciesNet aide les organisations concernées à surveiller les espèces menacées ou en danger, maintenant ainsi l’écosystème des populations sauvages.

Cet article sur le modèle open source de Google, « SpeciesNet », qui simplifie la classification des espèces et améliore l’efficacité de la conservation, a été initialement publié par ABMedia.