NETRYX

ओपन-सोर्स स्ट्रीट-लेवल जियोलोकेशन इंजन

कोई भी सड़क फोटो अपलोड करें। सटीक GPS निर्देशांक प्राप्त करें।
50 मीटर से कम सटीकता। लैंडमार्क की आवश्यकता नहीं। पूरी तरह से आपके हार्डवेयर पर चलता है।

डेमो · यह कैसे काम करता है · आरंभ करना · उपयोग · FAQ

---

यह संस्करण पुराना है, इसके स्थान पर इसका उपयोग करें

नया रेपो

Netryx क्या है?

Netryx एक स्थानीय-प्रथम जियोलोकेशन टूल है जो किसी भी सड़क-स्तर की तस्वीर के सटीक GPS निर्देशांकों की पहचान करता है। रिवर्स इमेज सर्च (जो अपलोड की गई वेब छवियों के विरुद्ध मिलान करता है) के विपरीत, Netryx व्यवस्थित रूप से क्रॉल किए गए स्ट्रीट-व्यू पैनोरमा के विरुद्ध मिलान करता है — जिसका अर्थ है कि यह शून्य इंटरनेट उपस्थिति वाले किसी भी यादृच्छिक सड़क कोने पर काम करता है।

कोर पाइपलाइन तीन अत्याधुनिक कंप्यूटर विज़न मॉडलों को जोड़ती है:

• CosPlace वैश्विक दृश्य स्थान पहचान (पुनर्प्राप्ति) के लिए
• ALIKED/DISK स्थानीय फीचर निष्कर्षण (कीपॉइंट) के लिए
• LightGlue गहन फीचर मिलान (सत्यापन) के लिए

Google Lens इंटरनेट खोजता है। Netryx भौतिक दुनिया खोजता है।

---

डेमो

उपयोग मामला	लिंक
मिसाइल हमला जियोलोकेशन — कतर (फरवरी 2026)	YouTube पर देखें
संघर्ष निगरानी — पेरिस विरोध प्रदर्शन	YouTube पर देखें
एक यादृच्छिक फोटो से ब्लाइंड जियोलोकेशन — पेरिस	YouTube पर देखें
तकनीकी गहन-विश्लेषण: पाइपलाइन कैसे काम करती है	YouTube पर देखें

---

यह कैसे काम करता है

Netryx एक तीन-चरणीय पाइपलाइन का उपयोग करता है जो लाखों उम्मीदवारों से धीरे-धीरे एक सटीक मिलान तक पहुँचता है। Netryx बस एक उपकरण है, यह स्रोत अज्ञेय है और mapillary या kartaview या किसी अन्य प्रदाता जैसे किसी भी प्रदाता से छवियों को संसाधित कर सकता है।

चरण 1 — वैश्विक पुनर्प्राप्ति (CosPlace)

इंडेक्स में प्रत्येक स्ट्रीट-व्यू पैनोरमा को CosPlace का उपयोग करके पहले से एक 512-आयामी "फिंगरप्रिंट" में संसाधित किया गया है, जो एक दृश्य स्थान पहचान मॉडल है जो लाखों जियो-टैग की गई छवियों पर प्रशिक्षित है।

जब आप एक क्वेरी फोटो अपलोड करते हैं:

1. सिस्टम आपकी छवि से CosPlace विवरणक निकालता है
2. यह एक क्षैतिज रूप से फ़्लिप किए गए संस्करण से भी एक विवरणक निकालता है (उलटे दृष्टिकोणों को पकड़ता है)
3. दोनों विवरणकों की तुलना कोसाइन समानता का उपयोग करके इंडेक्स में प्रत्येक प्रविष्टि के विरुद्ध की जाती है
4. एक त्रिज्या फ़िल्टर (हैवर्सिन दूरी) उम्मीदवारों को आपके निर्दिष्ट खोज क्षेत्र तक सीमित करता है
5. शीर्ष 500–1000 सबसे अधिक दृश्य रूप से समान पैनोरमा दृश्य उम्मीदवारों के रूप में लौटाए जाते हैं

यह चरण 1 सेकंड से कम में चलता है, चाहे इंडेक्स का आकार कुछ भी हो — यह एक एकल मैट्रिक्स गुणन है।

चरण 2 — स्थानीय ज्यामितीय सत्यापन (ALIKED/DISK + LightGlue)

CosPlace उन स्थानों को ढूंढता है जो समान दिखते हैं। चरण 2 यह साबित करता है कि वे ज्यामितीय सत्यापन का उपयोग करके एक ही स्थान हैं।

प्रत्येक उम्मीदवार के लिए:

1. मूल पैनोरमा Google Street View से डाउनलोड किया जाता है (8 टाइलें, सिले हुए)
2. अनुक्रमित हेडिंग कोण पर एक रेक्टिलिनियर क्रॉप निकाला जाता है
3. मल्टी-FOV क्रॉप तीन दृश्य क्षेत्रों (70°, 90°, 110°) पर उत्पन्न होते हैं ताकि क्वेरी फोटो और अनुक्रमित दृश्य के बीच ज़ूम बेमेल को संभाला जा सके
4. ALIKED (CUDA पर) या DISK (MPS/CPU पर) स्थानीय कीपॉइंट और विवरणक निकालता है
5. LightGlue क्वेरी और उम्मीदवार कीपॉइंट के बीच गहन फीचर मिलान करता है
6. RANSAC केवल ज्यामितीय रूप से संगत पत्राचार रखने के लिए मिलान को फ़िल्टर करता है (गलत मिलानों को अस्वीकार करता है)
7. सबसे अधिक सत्यापित इनलायर वाला उम्मीदवार सबसे अच्छा मिलान है

यह चरण आपके हार्डवेयर के आधार पर 2–5 मिनट में 300–500 उम्मीदवारों को संसाधित करता है।

चरण 3 — परिशोधन

प्रारंभिक मिलान अच्छा है लेकिन हमेशा इष्टतम नहीं होता। परिशोधन इसे बेहतर बनाता है:

• हेडिंग परिशोधन: शीर्ष 15 उम्मीदवारों के लिए, सिस्टम 3 FOV पर 15° चरणों में ±45° हेडिंग ऑफ़सेट का परीक्षण करता है। यह उन मामलों को पकड़ता है जहाँ अनुक्रमित हेडिंग क्वेरी के देखने की दिशा से बिल्कुल मेल नहीं खाती।
• स्थानिक सहमति: मिलान को 50m कोशिकाओं में समूहित किया जाता है। यदि एक क्षेत्र में कई उम्मीदवार क्लस्टर करते हैं, तो उस क्लस्टर को एकल उच्च-इनलायर आउटलायर पर प्राथमिकता दी जाती है — झूठी सकारात्मकता कम करना।
• आत्मविश्वास स्कोरिंग: सिस्टम शीर्ष मिलानों के भौगोलिक समूहीकरण और विशिष्टता अनुपात (सबसे अच्छा मिलान एक अलग स्थान पर उपविजेता से कितना बेहतर है) का मूल्यांकन करता है।

अल्ट्रा मोड (वैकल्पिक)

कठिन छवियों (रात, धुंधला, कम बनावट) के लिए, अल्ट्रा मोड जोड़ता है:

• LoFTR: एक डिटेक्टर-मुक्त सघन मिलानकर्ता जो कीपॉइंट डिटेक्शन पर भरोसा किए बिना पत्राचार ढूंढता है। धुंधले और कम-कंट्रास्ट दृश्यों को संभालता है जहाँ ALIKED/DISK संघर्ष करते हैं।
• विवरणक हॉपिंग: यदि प्रारंभिक मिलान कमज़ोर है (<50 इनलायर), तो सिस्टम मिलान किए गए पैनोरमा (जो साफ/उच्च-गुणवत्ता वाला है) से CosPlace विवरणक निकालता है और इंडेक्स को फिर से खोजता है। यह अक्सर सटीक सही पैनोरमा ढूंढता है जो खराब क्वेरी से छूट गया था।
• पड़ोस विस्तार: सबसे अच्छे मिलान के 100m के भीतर सभी पैनोरमा खोजता है। सही स्थान अक्सर CosPlace शीर्ष मिलान से एक सड़क नोड दूर होता है।

---

आर्किटेक्चर

क्वेरी इमेज
    │
    ├── CosPlace विवरणक निष्कर्षण (512-आयामी फिंगरप्रिंट)
    ├── फ़्लिप किए गए विवरणक का निष्कर्षण
    │
    ▼
इंडेक्स खोज (कोसाइन समानता, त्रिज्या-फ़िल्टर्ड)
    │
    ├── दृश्य समानता द्वारा शीर्ष 500 उम्मीदवार
    │
    ▼
पैनोरमा डाउनलोड करें → 3 FOV पर क्रॉप करें → ALIKED/DISK कीपॉइंट निकालें
    │
    ├── क्वेरी कीपॉइंट के विरुद्ध LightGlue मिलान
    ├── RANSAC ज्यामितीय सत्यापन
    │
    ▼
हेडिंग परिशोधन (±45°, 3 FOV, शीर्ष 15 उम्मीदवार)
    │
    ├── स्थानिक सहमति क्लस्टरिंग
    ├── आत्मविश्वास स्कोरिंग
    │
    ▼
📍 GPS निर्देशांक + आत्मविश्वास स्कोर

---

आरंभ करना

आवश्यकताएँ

घटक	न्यूनतम	अनुशंसित
OS	macOS / Linux / Windows	macOS (M1+) या NVIDIA GPU के साथ Linux
GPU VRAM	4GB	8GB+
RAM	8GB	16GB+
स्टोरेज	10GB	50GB+ (अनुक्रमित क्षेत्र के आकार पर निर्भर करता है)
इंटरनेट	इंडेक्सिंग और खोज के लिए आवश्यक	ब्रॉडबैंड अनुशंसित
Python	3.9+	3.10+

GPU समर्थन:

• Mac: MPS (Metal Performance Shaders) — M1/M2/M3/M4
• NVIDIA: CUDA — 4GB+ VRAM वाला कोई भी GPU
• CPU: काम करता है लेकिन काफी धीमा

इंस्टॉलेशन

# रिपॉजिटरी क्लोन करें
git clone https://github.com/sparkyniner/Netryx-OpenSource-Next-Gen-Street-Level-Geolocation.git

cd .\Netryx-OpenSource-Next-Gen-Street-Level-Geolocation\

# वर्चुअल वातावरण बनाएँ
python3 -m venv venv
source venv/bin/activate  # विंडोज़ पर: venv\Scripts\activate

# निर्भरताएँ स्थापित करें
pip install -r requirements.txt

# LightGlue स्पष्ट रूप से स्थापित करें (मिलान के लिए आवश्यक)
pip install git+https://github.com/cvg/LightGlue.git

# वैकल्पिक: अल्ट्रा मोड (LoFTR) के लिए kornia स्थापित करें
pip install kornia

नोट: lightglue ऐप द्वारा Python मॉड्यूल के रूप में आयात किया जाता है, लेकिन इसे उपरोक्त GitHub रिपॉजिटरी से स्थापित किया जाता है।

Gemini API कुंजी (वैकल्पिक — AI Coarse मोड के लिए) [उपयोग के लिए अनुशंसित नहीं, मैन्युअल काम करता है]

यदि आप AI-सहायता प्राप्त ब्लाइंड जियोलोकेशन सुविधा का उपयोग करना चाहते हैं:

1. Google AI Studio से एक मुफ्त API कुंजी प्राप्त करें
2. इसे एक पर्यावरण चर के रूप में सेट करें:

export GEMINI_API_KEY="your_key_here"

---

उपयोग

GUI लॉन्च करें