Geen GPS nodig.
Geen metadata nodig.
AI leest de scène.
Vind waar elke
foto is gemaakt
Je hebt een foto. Geen GPS. Geen metadata. Alleen pixels. Oceanir leest de scène, wegen, borden, gebouwen, terrein, en schat waar de foto is gemaakt. Geen EXIF-data nodig.
Waarom je hier bent
Niemand staat 's ochtends op met de wens om een foto te geolocaliseren. Er is eerst iets gebeurd. Een vraag die niet weggaat. Een beeld dat een antwoord nodig heeft.
Op social media verschijnt een video die een protest in een specifieke stad zou tonen. Het account is anoniem. De metadata is weg. Je moet verifiëren waar de opname werkelijk is gemaakt voordat je publiceert.
De laatst bekende communicatie van een vermiste persoon was een foto verstuurd via een berichten-app. De app heeft de GPS-data verwijderd. Het beeld is alles wat je hebt.
Je vond een oude foto in een archief zonder locatielabel. De gebouwen, de wegmarkeringen, de vegetatie, ze vertellen samen iets over waar dit is gemaakt. Je moet het horen.
Iemand deelde een foto en je wilt weten waar het is. Niet omdat het ertoe doet. Omdat je niet kunt stoppen met kijken en je afvragen.
In elk geval is de metadata weg. Instagram strip het. WhatsApp strip het. Twitter strip het. Screenshots hadden het nooit. Wat overblijft is het beeld zelf, en het beeld is genoeg.
Hoe je vindt waar een foto is gemaakt
Het proces is eenvoudig. Het denkwerk erachter is dat niet.
Je uploadt het beeld
Elke JPG, PNG of WebP. Slepen en neerzetten. Geen account nodig om te starten. Je kunt ook een stilstaand beeld uit een video halen, pauzeer bij een heldere buitenopname, sla het frame op en upload het. Het formaat doet er niet toe. De pixels wel.
Het model leest de scène
Dit is geen image-matching. Het model vergelijkt je foto niet met een database van bekende locaties. Het leest het beeld zoals een getrainde geograaf dat zou doen: door de stijl van wegmarkeringen te herkennen, de architectonische periode, de boomsoort, de schaduwhoek. Elke aanwijzing maakt de wereld kleiner.
Voorbeeld: Een foto toont gele kentekenplaten, linksrijdend verkeer en gemetselde rijtjeswoningen met schuiframen. Gele platen beperken het tot de EU en China. Linksrijdend sluit China uit. Schuiframen en gemetselde rijtjes wijzen op het VK. Het model gokt niet, het elimineert.
Je verifieert het resultaat
Oceanir geeft gerangschikte kandidaten terug, geen enkel punt op een kaart. Bij elke kandidaat hoort een betrouwbaarheidsscore, de bewijsketen die hem onderbouwt en een Street View-vergelijking zodat je het zelf kunt zien. Jij neemt de eindbeslissing. Het model maakt de wereld kleiner. Jij sluit de zaak.
Welke foto's werken het best
Beste resultaten
- +Buitenscènes met zichtbare straten of kruispunten
- +Heldere zichten op gebouwen, etalages of gevels
- +Zichtbare straatborden, winkelnamen of kentekenplaten
- +Onderscheidende landmarks, bruggen of monumenten
- +Terrein met herkenbare vegetatie of kustlijn
Lastiger te lokaliseren
- –Binnenfoto's zonder ramen of buitencontext
- –Nachtopnamen met weinig zichtbaar detail
- –Sterk bijgesneden of ingezoomde close-ups
- –Portretten of selfies met onscherpe achtergrond
- –Drone-opnamen van zeer grote hoogte
Geen metadata vereist
De meeste foto's die op social media worden gedeeld, Instagram, Twitter/X, Facebook, WhatsApp, Signal, hebben hun EXIF- en GPS-metadata bij het uploaden automatisch laten verwijderen. Dat betekent dat traditionele tools op basis van metadata niets opleveren.
Oceanir heeft geen EXIF-data nodig. De AI voert pure visuele analyse uit: het leest architectuurstijlen, wegmarkeringen, talen op signalering, terreinkenmerken, vegetatietypen en honderden andere geografische signalen die in de pixels zelf zitten.
Daardoor kan Oceanir de locatie schatten van screenshots, opnieuw opgeslagen beelden, foto's uit berichten-apps en elk beeld waar de metadata verloren is gegaan of nooit aanwezig was.
Zie het werken
Wanneer je een foto uploadt, zoekt Oceanir niet naar een match. Het leest het beeld signaal voor signaal, elke aanwijzing maakt de wereld een stukje kleiner. Zo ziet dat eruit.
Visuele signalen analyseren...
Wachten...
Wachten...
Wachten...
Wachten...
Wachten...
Wachten...
Oké, en Google Lens dan?
Google Lens is goed. Het kan landmarks identificeren en visueel vergelijkbare beelden matchen. Maar sommige beelden lokaliseert het simpelweg niet, en dat zijn vaak juist de beelden waar mensen hulp bij nodig hebben. Hier komt het verschil naar voren.
Een foto uit WhatsApp, metadata verwijderd
Niets. Geen GPS, geen resultaat.
Leest de scène. Gebouwen, wegstijl, vegetatie. Levert een locatie.
Een screenshot van een Google Street View-frame
Kan niet matchen. Het is een screenshot, niet het origineel.
Leest de visuele inhoud in de screenshot net als bij elke andere foto.
Een generieke woonstraat zonder landmarks
Te generiek. Geen onderscheidende kenmerken om mee te matchen.
Wegmarkeringen, trottoirprofielen, lichtmaststijl, oprit-afstanden, allemaal geografische signalen.
Een foto die meermaals opnieuw is opgeslagen, plat gecomprimeerd
Kwaliteit te laag voor matching. Geeft niets terug.
Compressie vernietigt metadata, geen geografie. De weg staat er nog. De gebouwen ook.
Een binnenfoto door een raam
Binnen = geen match. Punt.
Wat is zichtbaar door het raam? Architectuur, lucht, terrein. Gedeeltelijke aanwijzingen tellen ook.
Het patroon is hetzelfde: andere tools zijn afhankelijk van een visuele match in hun index. Wanneer er geen match is, omdat het beeld te generiek is, te sterk gecomprimeerd of te ver van zijn metadata ontdaan, geven ze niets terug. Oceanir leest de geografie direct uit de pixels. Geen match nodig.
Gebouwd voor precisie
Vind waar het is gemaakt
15 startcredits. Geen creditcard. Upload een foto en krijg in minder dan 30 seconden resultaat.
Begin met analyserenVeelgestelde vragen
Ja. Oceanir is niet afhankelijk van EXIF- of GPS-metadata. De AI leest visuele aanwijzingen in het beeld zelf, wegen, borden, gebouwen, terrein, vegetatie, om de locatie te schatten. Bij de meeste foto's op social media wordt metadata verwijderd, dus Oceanir is ontworpen om er zonder te werken.
Het Orca-model van Oceanir behaalt 20,1% nauwkeurigheid op 1 km en 46,8% op 25 km op de Im2GPS3k-benchmark, de hoogst gepubliceerde scores onder visuele geolocatiesystemen. De nauwkeurigheid hangt af van de beschikbare visuele aanwijzingen, buitenscènes met onderscheidende architectuur, signalering of terrein leveren de beste resultaten.
Buitenscènes met zichtbare wegen, straatborden, etalages, gevels of onderscheidend terrein werken het best. Binnenfoto's, nachtopnamen, sterk bijgesneden beelden en close-up portretten zijn lastiger omdat ze minder geografische aanwijzingen bevatten.
10 startcredits zonder creditcard. Elke analyse gebruikt één credit. Betaalde plannen beginnen bij $10/maand voor Pro, $63/maand voor Developer, lopen door naar $119/maand voor Unit-werkruimtes, en neem contact op met sales voor Enterprise en Enterprise.
Ja. Haal een stilstaand beeld uit je video (een heldere buitenopname werkt het best) en upload het als JPG, PNG of WebP. Oceanir analyseert het frame op dezelfde manier als elke andere foto.