野生动物研究中，红外相机陷阱是一种常用的监测工具。其由连接到红外传感器的数码相机组成，能够在动物经过时自动拍摄照片，从而为研究人员提供关于野生动物种群的重要数据。然而，这些相机陷阱产生的数据量极为庞大，研究人员往往需要花费数天甚至数周时间来筛选和分析这些图像。
为解决这一问题，谷歌于六年前通过其 Google Earth Outreach 公益项目推出了 Wildlife Insights 平台，研究人员可以在该平台上在线分享、识别和分析野生动物图像，共同合作以加快相机陷阱数据分析的速度。而 SpeciesNet 模型正是 Wildlife Insights 平台背后的关键分析工具之一。
谷歌表示，SpeciesNet 模型是基于超过 6500 万张公开图像以及来自史密森保护生物学研究所、野生动物保护协会、北卡罗来纳自然科学博物馆和伦敦动物学会等机构的图像数据进行训练的。该模型能够将图像分类为超过 2000 种标签，涵盖动物物种、动物分类群（如“哺乳动物”或“猫科”）以及非动物物体（如“车辆”）。
谷歌在其周一发布的博客文章中指出：“SpeciesNet AI 模型的开源将助力工具开发者、学者以及生物多样性相关初创企业扩大对自然区域生物多样性的监测规模。”目前，SpeciesNet 已在 GitHub 上以 Apache 2.0 许可证的形式发布，这意味着该模型可以在商业用途中广泛使用，且几乎不受限制。
AI在线注意到，谷歌并非唯一一家提供开源工具以自动化分析相机陷阱图像的公司。微软的 AI for Good 实验室也维护着 PyTorch Wildlife 框架，该框架提供经过预训练的模型，专门用于动物检测和分类。
