photonix

自建私有云相册,用AI自动分类,秒搜你的照片

Photonix 是一个基于 Web 的现代化照片管理服务器,可部署在家用服务器上,让你在任何设备上快速找到目标照片。它通过对象识别、人脸识别、位置感知、颜色分析等机器学习算法实现智能过滤,解决了传统照片库难以检索和管理的问题。核心能力包括:自动为照片打标签、按人物/物体/地点/颜色搜索、支持多用户访问、提供类似 Google Photos 的浏览体验。项目采用 Python/Django 后端,支持 Docker 一键部署,适合注重隐私、希望自托管照片库的用户。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1956
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类计算机视觉
开发团队photonixapp
所属国家
定价模式free
价格说明开源项目,可自行部署,完全免费。
访问状态
是否开源是
开源协议AGPL-3.0
主要语言Python
技术栈/模型ai,django,docker,docker-image,face-recognition,gallery,google-photos,image-recognition,javascript,management,ml,object-detection,photo,photo-manager,photography,python,react,storage,tensorflow,web
GitHub 星标★ 1956
30天Star增速
HF 下载量
上线时间2017-03-07 00:00:00
最近更新2026-09-18 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数5

使用教程

难度:入门 约 15 分钟 部署方式:Docker 8 步

环境要求

  • 已安装 Docker 与 Docker Compose(README 给出 Compose 安装文档链接)
  • 有一个可用于访问 http://localhost:8888/ 的浏览器
  • 准备一个用来创建超级用户的用户名和邮箱
  • 本机有足够磁盘空间存放照片数据目录

安装与启动步骤

  1. 1创建运行目录

    新建 photonix 目录并进入,作为整套服务的运行位置,后续数据都放在这里。

    mkdir photonix
    cd photonix
  2. 2下载 Compose 文件

    从官方仓库拉取示例 docker-compose 文件并重命名为 docker-compose.yml,不要手动改名其他内容。

    curl https://raw.githubusercontent.com/photonixapp/photonix/master/docker/docker-compose.example.yml > docker-compose.yml
  3. 3创建照片目录

    创建容器外的数据卷目录,照片放在这里可被自动检测导入。

    mkdir -p  data/photos
  4. 4启动服务

    该命令会自动拉取并运行所需 Docker 镜像,首次执行耗时较长,请等待镜像下载完成。

    docker-compose up
  5. 5创建管理员账号

    另开一个终端窗口执行,把 USERNAME 替换成你自己的用户名,按提示设置密码。

    docker-compose run photonix python photonix/manage.py createsuperuser --username USERNAME --email example@example.com
  6. 6创建照片库

    同样替换 USERNAME,库名可自定义,例如 My Library,创建后即可开始导入照片。

    docker-compose run photonix python photonix/manage.py create_library USERNAME "My Library"
  7. 7导入照片

    把照片复制到 data/photos 目录,系统会自动检测并立即导入;之后可在 compose 文件里改挂载路径。

  8. 8开发模式(可选)

    仅在参与开发时使用,会构建镜像、挂载代码并支持热重载;需先克隆仓库再执行 make。

    git clone git@github.com:photonixapp/photonix.git
    cd photonix
    mkdir -p  data/photos
    make build
    make start

关键配置

配置项必填说明示例
docker-compose.yml 中 ./data/photos 卷路径是决定照片来源目录,可改成本地常用照片文件夹./data/photos
Web 访问地址 localhost:8888是服务启动后浏览器访问的地址http://localhost:8888/

如何确认成功

启动几秒后浏览器打开 http://localhost:8888/ 能正常进入界面,即表示服务运行成功。

常见问题

Q:提示 5432 端口被占用(bind: address already in use)怎么办?

A:说明本机已有 Postgres 等占用标准端口。编辑 docker/docker-compose.dev.yml,把 '5432:5432' 改成 '5433:5432',Redis 和 Web 端口同理处理。

Q:怎么往图库添加照片?

A:把照片移动到 data/photos 目录,系统会自动检测并即时导入。想换目录就修改 docker-compose.yml 里的 ./data/photos 挂载路径。

Q:如何进入 Bash 或 Python 交互环境?

A:开发模式下执行 make shell 即可进入容器内的 shell 环境。

Q:数据都放在哪里,需要自己备份吗?

A:系统数据库、缩略图和缓存与照片分开存储,不会污染照片目录;README 明确说明需自行负责备份,以防出错。

注意事项

  • 项目仍处于开发中,尚未达到 1.0 完整功能,可能存在不可用部分。
  • README 明确说明用户需自行负责备份,出现错误时官方不代为恢复。
  • 创建用户与照片库目前必须通过命令行完成,暂无网页端注册流程。
  • 示例 Compose 文件来自官方仓库 docker/docker-compose.example.yml,请勿随意改动内容以免启动失败。

核心亮点

  • 集成多种ML算法(人脸、物体、位置、颜色)实现精准搜索,远超传统按时间/文件夹管理
  • 支持Docker快速部署,适合家庭服务器/NAS,数据完全自主可控
  • 提供类似Google Photos的现代化Web界面,多设备访问方便

不足之处

  • 项目活跃度一般,文档和社区支持有待观察
  • ML模型可能对低分辨率或特殊场景照片识别准确率有限

适用场景

  • 家庭用户自建私有云相册,替代Google Photos等云服务
  • 摄影师或内容创作者管理大量照片素材,快速检索
  • 注重隐私的团队或机构内部照片资产管理系统

替代项目

Immich、PhotoPrism、LibrePhotos

项目介绍

photonix 是计算机视觉领域的开源项目,由 photonixapp 开发,2017 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(1,956)位列前 30%,在计算机视觉分类中处于中上游。

项目仍在小幅维护中,最近一次代码更新于 2026-09-18。可自行部署,完全免费。从国内网络环境看,可直接访问。

它主要面向的使用场景是:家庭用户自建私有云相册,替代GooglePhotos等云服务。同类可对比的替代方案包括 Immich、PhotoPrism、LibrePhotos。

上一篇:Open3D-ML

下一篇:Weighted-Boxes-Fusion

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14