#remote-sensing Repositories
Entdecke 61 aktive Open-Source-GitHub-Repositories, die mit #remote-sensing getaggt sind und insgesamt 94,289 Sterne gesammelt haben (durchschnittlich 1,545 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist satellite-image-deep-learning/techniques mit 10,311 Sternen.
Insgesamt 61 Repositories
Techniken für Deep Learning mit Satelliten- und Luftbildern
GDAL ist eine Open-Source-Übersetzungsbibliothek mit MIT-Lizenz für Raster- und Vektor-Geodatenformate.
Framework-unabhängige geslicete/geteilte Inferenz + interaktive Benutzeroberfläche + Fehleranalyse-Diagramme
TorchGeo: Datensätze, Sampler, Transformationen und vortrainierte Modelle für Geodaten
Ein Python-Paket für interaktive Geodatenanalyse und Visualisierung mit Google Earth Engine.
Ein schnelles, kostenloses und quelloffenes GIS, vollständig in Rust geschrieben.
Eine umfassende und aktuelle Zusammenstellung von Datensätzen, Werkzeugen, Methoden, Übersichtsartikeln und Wettbewerben zur Fernerfassung von Änderungen.
GlobalBuildingAtlas: ein offener globaler und vollständiger Datensatz von Gebäudeumrissen, Höhen und LoD1 3D-Modellen
Eine Open-Source-Bibliothek und ein Framework für Deep Learning auf Satelliten- und Luftbildern.
Eine kuratierte Liste von großartigen Tools, Tutorials, Code, Projekten, Links und Dingen zur Erdbeobachtung und Satellitenbildgebung
Von Benutzern hinzugefügte und allgemein verfügbare Community-Datensätze
Dieses Repository ist die erste umfassende Übersicht über Metas AI Segment Anything Model (SAM).
Datensätze für Deep Learning mit Satelliten- und Luftbildern
Eine gebrauchsfertige kuratierte Liste von Spektralindizes für Fernerkundungsanwendungen.
Eine kuratierte Liste von fantastischer Synthetik-Apertur-Radar (SAR)-Software, Bibliotheken und Ressourcen.
Dies ist ein tensorflow-basierter Benchmark für Rotationserkennung, auch AlphaRotate genannt.
[ECCV 2026] Skyfall-GS: Synthese immersiver 3D-Stadtlandschaften aus Satellitenbildern
Datensatzansatz mit einer Benchmark und einem Frequenzkompressionsverfahren für die Infrarot-Objekterkennung mit wenigen Beispielen
FarmVibes.AI: Multi-modale GeoSpace ML-Modelle für Landwirtschaft und Nachhaltigkeit
:globe_with_meridians: Liste und Karte von über 800 Unternehmen für Geodaten-Jobs (GIS, Erdbeobachtung, UAV, Satellit, Digitale Landwirtschaft, ...)
Eine Sammlung von Python-Paketen für die georäumliche Analyse mit binder-bereiten Notebook-Beispielen
Tutorials und Inhalte, die von Earth Engine-Nutzern erstellt wurden, für Earth Engine-Nutzer
[CVPR26] TESSERA ist ein Grundmodell, das Zeitreihen-Satellitenbilder für Anwendungen wie Landklassifikation und Kronenhöhenprognose verarbeiten kann. Entwickelt an der University of Cambridge, ermöglicht es die effiziente Extraktion temporaler Muster aus Erdbeobachtungen
Maschinelles Lernen für multivariate Daten durch die Riemannsche Geometrie positiver definiter Matrizen in Python
[NeurIPS 2024 Spotlight] Offizielle Implementierung von MSFA und Veröffentlichung des SARDet_100K-Datensatzes für die groß angelegte Objekterkennung mit synthetischem Scharffokusradar (SAR)
Manipulation und Visualisierung von Airborne-LiDAR-Daten für forstwirtschaftliche Anwendungen
Ein Repository für benutzerdefinierte Skripte zur Verwendung mit Sentinel Hub
(IJCV2024 & ICCV2023) LSKNet: Ein grundlegendes leichtgewichtiges Backbone für die Fernerkundung
ACM Multimedia2020 University-1652: Ein Multi-View Multi-Source-Benchmark für drone-basierte Geo-Lokalisierung :helicopter: annotiert 1652 Gebäude an 72 Universitäten weltweit.
[CVPR 2024 🔥] GeoChat, das erste geerdete große Sprachmodell für die Fernerkundung
[IEEE TGRS 2024] ChangeMamba: Fernerkundungs-Änderungserkennung basierend auf räumlich-zeitlichen Zustandsraummodellen
LiDAR-Punktwolken-Bodenfilterung / -segmentierung (Nivellierung oder Freiflächenextraktion)-Methode basierend auf Stoffsimulation
Dies ist die PyTorch-Implementierung unseres Papiers „RSPrompter: Lernen, um für die Fernerkennung von Instanzsegmentierung auf Basis visueller Fundamentmodelle zu werben“
Desktop-Implementierung der Remote-Photoplethysmographie – Messung der Herzfrequenz mit Gesichtsvideo.
🚀Offizielles Repository für intelligente Fernerkundungsagenten: Eine Übersicht
Häufig gestellte Fragen
Welches ist das beliebteste #remote-sensing-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#remote-sensing-Projekt auf GitHub ist satellite-image-deep-learning/techniques mit 10,311 Sternen. Techniken für Deep Learning mit Satelliten- und Luftbildern
Welche Programmiersprachen werden in #remote-sensing-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #remote-sensing-Projekten auf GitHub sind Python, C++, Jupyter Notebook, JavaScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #remote-sensing-Repositories berechnet?
Wir verfolgen 61 aktive Open-Source-Repositories, die mit #remote-sensing getaggt sind (500+ Sterne), mit insgesamt 94,289 Sternen und durchschnittlich 1,545 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.