GeoIntel

GitHub
1k 144 简单 1 次阅读 今天MIT图像
AI 解读 由 AI 自动生成,仅供参考

GeoIntel 是一款基于人工智能的图像地理位置分析工具,旨在帮助用户通过照片内容推断其拍摄地点。它利用 Google 强大的 Gemini API,深入分析图像中的视觉线索(如建筑风格、植被特征、路牌文字等),从而生成包含国家、城市及具体坐标的定位预测,并提供详细的推理过程与置信度评估。

这款工具主要解决了传统元数据缺失时难以确定照片来源的痛点,为数字取证、内容验证及地理信息研究提供了高效的技术手段。GeoIntel 非常适合开发者、研究人员以及对开源技术感兴趣的用户使用。开发者可以通过 Python SDK 或命令行接口将其集成到现有工作流中;研究人员可利用其进行教育探索或数据分析;普通用户也能通过其内置的现代化 Web 界面,以拖拽方式轻松完成分析并查看交互式 3D 地图结果。

其独特亮点在于不仅输出经纬度坐标,还能生成可点击的 Google 地图链接,并支持用户输入额外背景信息或初步猜测以优化分析精度。所有结果均可导出为结构化 JSON 格式,便于后续处理。需要注意的是,GeoIntel 定位为教育与研究辅助工具,预测结果仅供参考,使用时请严格遵守隐私保护原则,切勿用于侵犯他人权益的用途。

使用场景

一位数字人文研究员正在整理一批 20 世纪中期的匿名历史照片档案,试图还原当时的地理风貌以构建交互式地图。

没有 GeoIntel 时

  • 研究人员只能依靠肉眼辨认照片中的植被、建筑风格或路牌,耗时数小时却往往一无所获。
  • 面对缺乏元数据的图片,团队不得不手动在谷歌地图上盲目搜索相似地貌,效率极低且容易产生误判。
  • 无法量化判断的准确性,导致最终标注的地点缺乏可信度支撑,难以在学术报告中引用。
  • 协作过程中,不同成员对同一张照片的地点猜测不一,缺乏统一的分析依据来达成共识。

使用 GeoIntel 后

  • 利用 GeoIntel 的 AI 图像分析能力,系统能自动识别照片中的细微地理特征(如特定树种、地形轮廓),秒级输出潜在位置。
  • 通过提供“夏季”、“沿海”等额外上下文参数,GeoIntel 能大幅缩小搜索范围,直接生成带有置信度评级(高/中/低)的具体坐标。
  • 工具输出的详细推理过程解释了为何定位到该处,为研究结论提供了可追溯的逻辑支撑,提升了学术严谨性。
  • 一键生成的 JSON 结果和 Google Maps 链接让团队成员能快速验证并统一标注标准,显著加速了档案数字化进程。

GeoIntel 将原本依赖直觉和运气的“猜地点”工作,转化为高效、可解释且数据驱动的智能化地理复原流程。

运行环境要求

操作系统
  • 未说明 (基于 Python 和 PyPI,通常支持 Linux
  • macOS
  • Windows)
GPU

不需要 (使用 Google Gemini API 进行云端推理)

内存

未说明

依赖
notes该工具本身不包含本地 AI 模型,而是调用 Google 的 Gemini API 进行分析,因此无需本地 GPU 或大显存。使用前必须配置有效的 Google Gemini API Key(可通过环境变量 GEMINI_API_KEY 设置或在命令行/网页界面中输入)。工具提供命令行接口 (CLI) 和基于浏览器的 Web 界面。
python未说明 (需支持 pip 安装)
geointel
Google Gemini API Key
GeoIntel hero image

快速开始

GeoIntel

PyPI - 版本

GeoIntel 是一款基于 Python 的工具,利用 Google 的 Gemini API,通过人工智能驱动的地理定位分析,揭示照片的拍摄地点。

安装

# 基本安装
pip install geointel

使用方法

Web 界面(全新!)

启动具有现代 UI 的交互式 Web 界面:

- 标准:
$ geointel --web

- 自定义主机和端口:
$ geointel --web --host 0.0.0.0 --port 4000 
GeoIntel Web 界面

然后在浏览器中打开 http://127.0.0.1:5000

功能:

  • 拖放上传图片
  • 浏览器内 API 密钥配置
  • 交互式 3D Google 地图
  • 实时 AI 分析及详细解释

命令行界面

geointel --image path/to/your/image.jpg

asciicast

可用参数

参数 描述

--web	启动 Web 界面(无需 --image)
--host	Web 界面的主机地址(默认:127.0.0.1)
--port	Web 界面的端口号(默认:5000)
--image	CLI 模式下必填。待分析图像文件路径或 URL
--context	关于图像的附加上下文信息
--guess	您对图像拍摄地点的猜测
--output	保存结果的输出文件路径(JSON 格式)
--api-key	自定义 Gemini API 密钥

示例

启动 Web 界面:
$ geointel --web

基本 CLI 使用:
$ geointel --image vacation_photo.jpg

添加额外上下文:
$ geointel --image vacation_photo.jpg --context "2023 年暑假期间拍摄"

提供位置猜测:
$ geointel --image vacation_photo.jpg --guess "地中海沿岸"

将结果保存到文件:
$ geointel --image vacation_photo.jpg --output results.json

使用自定义 API 密钥:
$ geointel --image vacation_photo.jpg --api-key "your-api-key-here"

API 密钥设置

GeoIntel 使用 Google 的 Gemini API。您可以:

- 将 API 密钥设置为环境变量:GEMINI_API_KEY=your_key_here

- 在命令行中使用 --api-key 参数

请从 Google AI Studio 获取您的 Gemini API 密钥。

SDK

from geointel import GeoIntel

# 初始化 GeoIntel
geointel = GeoIntel()

# 分析一张图片并获取 JSON 结果
result = geointel.locate(image_path="image.jpg")

# 处理 JSON 数据
if "error" in result:
    print(f"错误:{result['error']}")
else:
    # 访问第一个位置
    if "locations" in result 和 result["locations"]:
        location = result["locations"][0]
        print(f"位置:{location['city']}, {location['country']}")
        
        # 获取 Google 地图链接
        if "coordinates" in location:
            lat = location["coordinates"]["latitude"]
            lng = location["coordinates"]["longitude"]
            maps_url = f"https://www.google.com/maps?q={lat},{lng}"

特性

  • 利用 Google 的 Gemini API 进行图像的 AI 驱动地理定位

  • 根据图像坐标生成 Google 地图链接

  • 提供位置预测的置信度等级

  • 支持附加上下文和位置猜测

  • 可将结果导出为 JSON

  • 同时支持本地图像文件和图像 URL

响应格式

  • API 返回结构化的 JSON 响应,包含:

  • interpretation:对图像的全面分析

  • locations:可能位置数组,包含:

  • 国家、州和城市信息

  • 置信度级别(高/中/低)

  • 坐标(纬度/经度)

  • 推理的详细说明

免责声明:

GeoIntel 仅用于教育和研究目的。尽管它使用 AI 模型来估算图像的拍摄地点,但其预测并不保证准确。请勿将此工具用于监视、跟踪、执法或其他可能侵犯个人隐私、违反法律或造成伤害的活动。

作者和贡献者对因使用或误用本软件而导致的任何损害、法律问题或后果不承担任何责任。请自行评估风险并谨慎使用。

在使用基于 AI 的工具时,请始终遵守当地、国家和国际法律法规。

贡献

  1. 克隆仓库

  2. 创建新分支(git checkout -b feature/new-feature)。

  3. 提交更改(git commit -am '添加新功能')。

  4. 推送到分支(git push origin feature/new-feature)。

  5. 发起拉取请求。

许可证

本项目采用 MIT 许可证授权——详情请参阅 LICENSE 文件。

Star History Chart

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|2天前
开发框架图像Agent

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|昨天
开发框架图像Agent

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|昨天
图像数据工具视频