用途：面向相机陷阱图像集合，完成物种分类、向量嵌入提取与向量入库。
主要能力：使用 SpeciesNetDetector 检测动物边界框；用 SpeciesNetClassifier 分类，并在其平均池化层 SpeciesNet/efficientnetv2-m/avg_pool/Mean_Squeeze__3825 注册 PyTorch forward hook 捕获 1280 维原始嵌入；将图像作为 recording、嵌入作为 window 写入 Hoplite 的 SQLiteUSearchDB；支持向量相似度搜索与基于嵌入的主动学习分类器训练。
使用方式：先定位图像目录，评估 GPU，若仅 CPU 可与用户商议或按上限（如首 1000 张）处理。初始化 Hoplite 数据库，维度 1280、度量 Cos、数据类型 float16。实例化检测器与分类器；若模型目录为只读（如 Colab 的 /kaggle/input/）需先复制到可写路径。逐图插入 recording、检测、裁剪预处理、提取嵌入并转为 float16 写入 window；定期及结束时执行 db.commit() 以持久化并落盘 USearch 索引。
可视化：结果卡片显示原图而非裁剪图，用 CSS 绝对定位百分比叠加红色检测框；点击卡片打开全屏模态预览原图与对齐框；Web UI 后端需对自定义查询 URI 即时下载图像并提取嵌入。
限制：未提供具体安装命令、模型获取方式、费用、支持平台等信息。