¿Qué especies puede reconocer TrailCamHub?

No hay una lista fija — lo que TrailCamHub puede reconocer depende de dónde se encuentre su cámara, porque ejecutamos el modelo de reconocimiento más adecuado para su región.

En Europa, el reconocimiento utiliza DeepFaune, que cubre aproximadamente dos docenas de las especies y grupos europeos más comunes — la fauna silvestre que esperaría encontrar en Europa, como ciervos, corzo, jabalí, zorro, gamuza, íbice, muflón, liebre, tejón y lince, más grupos amplios como "ave". DeepFaune se desarrolla activamente, por lo que su cobertura sigue creciendo.

En todo el mundo, el reconocimiento utiliza SpeciesNet (el modelo abierto de Google), que cubre más de 2.000 especies y grupos de nivel superior en todo el mundo. Fuera de Europa, esto es lo que identifica sus animales, limitado a la ubicación de su cámara, de modo que solo se sugieran las especies que realmente ocurren allí.

Además de los animales, cada foto también se verifica para detectar personas y vehículos, que se pueden desenfocar u ocultar por privacidad.

Dos cosas dan forma a la lista exacta que verá en la práctica. Su región y la ubicación de su cámara deciden qué modelo y qué grupo de especies geográficas se aplican, y su lista de especies cinegéticas en la configuración le permite elegir las especies que realmente espera en su territorio — cualquier cosa fuera de ella se marca para revisión en lugar de ser aceptada silenciosamente.

• Dónde encontrar las listas completas

• El lugar más simple es dentro de su cuenta: su configuración de especies muestra la lista completa disponible para su región, y marca las que desea seguir.

• Para las listas completas del modelo subyacente:

  • DeepFaune (Europa): deepfaune.cnrs.fr

  • SpeciesNet (mundial): la lista completa de más de 2.000 categorías se publica en la tarjeta del modelo en Kaggle (kaggle.com/models/google/speciesnet) y en el proyecto de Google en GitHub (github.com/google/cameratrapai).

Si una especie que caza no se reconoce bien, avísenos — mapeamos especies a los modelos de nuestro lado y a menudo podemos mejorar la cobertura para su región.