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

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

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

python test_super.py

macOS उपयोगकर्ता: यदि GUI खाली दिखाई देता है, तो tkinter को अपग्रेड करें: brew install [email protected] (या आपका Python संस्करण)। सिस्टम Python के बंडल किए गए tkinter में हाल के macOS संस्करणों पर ज्ञात रेंडरिंग समस्याएँ हैं।

चरण 1: एक इंडेक्स बनाएँ

खोज करने से पहले, आपको एक क्षेत्र को अनुक्रमित करना होगा। यह Street View पैनोरमा को क्रॉल करता है और CosPlace फिंगरप्रिंट निकालता है।

1. Create मोड चुनें
2. उस क्षेत्र के केंद्र निर्देशांक (अक्षांश, देशांतर) दर्ज करें जिसे आप अनुक्रमित करना चाहते हैं
3. खोज त्रिज्या सेट करें (परीक्षण के लिए 0.5–1km से शुरू करें, उत्पादन के लिए 5–10km)
4. ग्रिड रिज़ॉल्यूशन सेट करें (300 एक अच्छा डिफ़ॉल्ट है — उच्च = सघन कवरेज, कृपया इसे छेड़छाड़ न करें)
5. Create Index पर क्लिक करें

इंडेक्सिंग समय अनुमान:

इंडेक्स वृद्धिशील रूप से सहेजा जाता है — यदि प्रक्रिया बाधित होती है, तो यह अगले रन पर वहीं से फिर से शुरू होता है जहाँ छोड़ा था।

चरण 2: खोजें

1. Search मोड चुनें
2. एक सड़क-स्तर की फोटो अपलोड करें
3. खोज विधि चुनें:
   • Manual: यदि आप लगभग जानते हैं कि फोटो कहाँ से है तो निर्देशांक + त्रिज्या दर्ज करें
   • AI Coarse: Gemini को दृश्य संकेतों (संकेत, वास्तुकला, वनस्पति) का विश्लेषण करने दें और क्षेत्र का अनुमान लगाएं — किसी पूर्व ज्ञान की आवश्यकता नहीं
4. Run Search पर क्लिक करें, फिर Start Full Search पर क्लिक करें
5. उम्मीदवारों के मूल्यांकन के रूप में रीयल-टाइम स्कैनिंग विज़ुअलाइज़ेशन देखें
6. परिणाम आत्मविश्वास स्कोर के साथ मानचित्र पर दिखाई देता है

अल्ट्रा मोड

कठिन छवियों के लिए Ultra Mode चेकबॉक्स सक्षम करें। यह LoFTR सघन मिलान, विवरणक हॉपिंग और पड़ोस विस्तार जोड़ता है। काफी धीमा लेकिन उन मिलानों को पकड़ता है जो मानक पाइपलाइन से छूट जाते हैं।

इंडेक्स कैसे काम करता है

सभी एम्बेडिंग एक एकल एकीकृत इंडेक्स में संग्रहीत होते हैं। जब आप खोजते हैं, तो त्रिज्या फ़िल्टर स्वचालित रूप से परिणामों को उस क्षेत्र तक सीमित कर देता है जिसे आप निर्दिष्ट करते हैं। इसका अर्थ है:

• आप पेरिस, फिर तेल अवीव, फिर लंदन — सभी को एक ही इंडेक्स में अनुक्रमित कर सकते हैं
• center=Paris, radius=5km के साथ खोज करने पर केवल पेरिस के परिणाम मिलते हैं
• center=London, radius=10km के साथ खोज करने पर केवल लंदन के परिणाम मिलते हैं
• किसी शहर चयन की आवश्यकता नहीं — निर्देशांक + त्रिज्या सब कुछ संभालते हैं

डेटा प्रवाह:

Create Mode:
  ग्रिड बिंदु → Google Street View API → पैनोरमा → क्रॉप → CosPlace → cosplace_parts/*.npz

ऑटो-बिल्ड:
  cosplace_parts/*.npz → cosplace_descriptors.npy + metadata.npz (खोजने योग्य इंडेक्स)

Search Mode:
  क्वेरी इमेज → CosPlace → इंडेक्स खोज (त्रिज्या-फ़िल्टर्ड) → उम्मीदवार डाउनलोड करें → ALIKED/DISK + LightGlue → परिणाम

प्रोजेक्ट संरचना

netryx/
├── test_super.py          # मुख्य एप्लिकेशन (GUI + इंडेक्सिंग + खोज)
├── cosplace_utils.py      # CosPlace मॉडल लोडिंग और विवरणक निष्कर्षण
├── build_index.py         # स्टैंडअलोन उच्च-प्रदर्शन इंडेक्स बिल्डर (बड़े डेटासेट के लिए)
├── requirements.txt       # Python निर्भरताएँ
├── cosplace_parts/        # कच्चे एम्बेडिंग चंक्स (इंडेक्सिंग के दौरान बनाए गए)
├── index/                 # संकलित खोजने योग्य इंडेक्स
│   ├── cosplace_descriptors.npy   # सभी 512-आयामी विवरणक
│   └── metadata.npz               # निर्देशांक, हेडिंग, पैनोरमा आईडी
└── README.md

तकनीकी विवरण

उपयोग किए गए मॉडल

प्लेटफ़ॉर्म-विशिष्ट व्यवहार

FAQ

क्या बड़ी खोज त्रिज्या के साथ सटीकता घटती है?

नहीं। CosPlace पूरे इंडेक्स में दृश्य समानता के आधार पर रैंक करता है। चाहे आपका इंडेक्स 1km या 50km कवर करे, शीर्ष उम्मीदवार हमेशा सबसे अधिक दृश्य रूप से समान होते हैं। त्रिज्या फ़िल्टर रैंकिंग से पहले बस भौगोलिक रूप से अप्रासंगिक प्रविष्टियों को बाहर करता है।

खोज में कितना समय लगता है?

आमतौर पर Apple Silicon पर 2–5 मिनट, NVIDIA GPU पर 1–3 मिनट। बाधा Google से पैनोरमा टाइलें डाउनलोड करना है (नेटवर्क-बद्ध), मिलान स्वयं नहीं।

क्या मैं एक पूरे देश को अनुक्रमित कर सकता हूँ?

व्यावहारिक नहीं। 10km त्रिज्या ~100K पैनोरमा और ~7GB इंडेक्स उत्पन्न करता है। एक पूरे देश को पेटाबाइट्स की आवश्यकता होगी। विशिष्ट शहरों या रुचि के क्षेत्रों (5–20km) को अनुक्रमित करें।

मेरी खोज में 0 उम्मीदवार मिले।

आपके खोज निर्देशांक किसी अनुक्रमित क्षेत्र के साथ ओवरलैप नहीं होते। पहले क्षेत्र को अनुक्रमित करें, या मौजूदा अनुक्रमित डेटा के साथ ओवरलैप करने के लिए अपने खोज केंद्र/त्रिज्या को समायोजित करें। क्या अनुक्रमित किया गया है, यह देखने के लिए "Show Coverage Map" का उपयोग करें।

मिलान थोड़ा गलत है (एक ब्लॉक दूर)।

अल्ट्रा मोड सक्षम करें। पड़ोस विस्तार प्रारंभिक मिलान के 100m के भीतर सभी पैनोरमा खोजता है, अक्सर सटीक सही सड़क नोड ढूंढता है।

क्या यह इनडोर फ़ोटो के साथ काम करता है?

नहीं। Netryx केवल आउटडोर स्ट्रीट-व्यू पैनोरमा के विरुद्ध मिलान करता है। इनडोर फ़ोटो, हवाई/उपग्रह इमेजरी, और क्लोज़-अप ऑब्जेक्ट फ़ोटो सार्थक परिणाम नहीं देंगे।

क्या इसके लिए पैसे खर्च होते हैं?

Netryx मुफ्त और ओपन सोर्स है। वैकल्पिक AI Coarse सुविधा के लिए Gemini API कुंजी की आवश्यकता होती है (Google से मुफ्त स्तर उपलब्ध है)। कंप्यूट लागत आपके अपने हार्डवेयर की है — कोई क्लाउड सेवाओं की आवश्यकता नहीं।

क्या कोई होस्टेड संस्करण है?

हाँ। netryx.live क्लाउड में पूरी पाइपलाइन चलाता है ताकि आपको स्थानीय रूप से कुछ सेट करने की आवश्यकता न हो। यह उपयोगी है यदि आप अपना स्वयं का इंडेक्स बनाए बिना त्वरित परिणाम चाहते हैं। लेकिन कंप्यूट की बाधाओं के कारण यह ओपन सोर्स संस्करण से लगभग 30% कम सटीक है।

पूरी पाइपलाइन स्थापित नहीं करना चाहते?

netryx.live क्लाउड में वही इंजन चलाता है — एक फोटो अपलोड करें, निर्देशांक प्राप्त करें। कोई इंस्टॉलेशन नहीं, कोई इंडेक्सिंग नहीं, कोई GPU आवश्यक नहीं। लेकिन कंप्यूट की बाधाओं के कारण यह ओपन सोर्स संस्करण से लगभग 30% कम सटीक है।

किसके द्वारा बनाया गया

Sairaj Balaji — AI शोधकर्ता और PrismX के निर्माता। Microsoft for Startups और ElevenLabs से अनुदान। Fast Company और Deutsche Welle में प्रदर्शित।

• LinkedIn

लाइसेंस

MIT लाइसेंस। विवरण के लिए LICENSE देखें।

कानूनी अस्वीकरण

Netryx को वैध OSINT अनुसंधान, जांच पत्रकारिता, मानवाधिकार निगरानी, आपदा प्रतिक्रिया और शैक्षणिक शोध के लिए डिज़ाइन किया गया है।

उपयोगकर्ता जिम्मेदारी: आप लागू कानूनों, जिसमें Google Maps/Street View सेवा की शर्तें और स्थानीय गोपनीयता नियम शामिल हैं, के अनुपालन को सुनिश्चित करने के लिए पूरी तरह से जिम्मेदार हैं।

इसके लिए उपयोग न करें: स्टॉकिंग, उत्पीड़न, अनधिकृत निगरानी, या कोई भी गतिविधि जो व्यक्तियों की गोपनीयता या सुरक्षा का उल्लंघन करती है।

Netryx के डेवलपर्स दुरुपयोग के लिए सभी देयता से इनकार करते हैं।