#satellite-imagery Repositories
Entdecke 25 aktive Open-Source-GitHub-Repositories, die mit #satellite-imagery getaggt sind und insgesamt 45,363 Sterne gesammelt haben (durchschnittlich 1,814 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist satellite-image-deep-learning/techniques mit 10,311 Sternen.
Insgesamt 25 Repositories
Techniken für Deep Learning mit Satelliten- und Luftbildern
Eine Agenten-Funktion, die herausfindet, wo ein Foto aufgenommen wurde — mithilfe von OpenStreetMap-Geometrien, Höhenprofilen der Skyline, Satellitenbildern und Straßenansichten — und ihre Arbeit nachvollziehbar zeigt. Funktioniert mit Claude Code, Codex, Cursor, Gemini CLI, OpenCode und GitHub Copilot.
TorchGeo: Datensätze, Sampler, Transformationen und vortrainierte Modelle für Geodaten
Semantische Segmentierung von Luft- und Satellitenbildern. Extrahiert Merkmale wie: Gebäude, Parkplätze, Straßen, Wasser, Wolken
Weltweite Gebäudeumrisse, die aus Satellitenbildern abgeleitet wurden
Interaktive Oberfläche zur Durchsuchung globaler Satellitenbilder in voller Auflösung
Eine kuratierte Liste von großartigen Tools, Tutorials, Code, Projekten, Links und Dingen zur Erdbeobachtung und Satellitenbildgebung
Datensätze für Deep Learning mit Satelliten- und Luftbildern
Eine gebrauchsfertige kuratierte Liste von Spektralindizes für Fernerkundungsanwendungen.
SpatioTemporal Asset Catalog Spezifikation – Geodaten offen durchsuchbar und crawlbar machen
Gib deinem LLM Zugriff auf Satellitenbilder, Geländedaten, Gebäude und Street-View-Fotos
Satellitenbilder in Python mit Sentinel Hub Services herunterladen und verarbeiten.
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
Eine Liste offener Geodaten, die auf AWS, Earth Engine, Planetary Computer, NASA CMR und STAC Index verfügbar sind
Dieses Repository bietet eine umfassende Liste von Radar- und optischen Satellitendatensätzen, die für die Schiffsdetektion, -klassifizierung, -semantische Segmentierung und -instanzsegmentierung kuratiert wurden. Diese Datensätze sind ideal für Anwendungen in den Bereichen Computer Vision, maschinelles Lernen, Fernerkundung und maritime Analyse.
Kuratiertes Verzeichnis toller Tools, Tutorials und APIs für Copernicus Sentinel Satellitendaten
[IGARSS'22]: Ein Transformer-basiertes Siamese-Netzwerk zur Veränderungsdetektion
Open-Source-Jupyter-Notebooks und Python-Tools für die geospatiale Analyse mit Digital Earth Australia, Open Data Cube und Xarray
Integriert Google Earth Engine und QGIS mithilfe der Python-API
Erstellen Sie eine Verkehrsdarstellung im Stil eines digitalen Zwillings, ausschließlich anhand von CCTV-Aufnahmen im MP4-Format und deren Standort in Google Maps.
Häufig gestellte Fragen
Welches ist das beliebteste #satellite-imagery-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#satellite-imagery-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 #satellite-imagery-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #satellite-imagery-Projekten auf GitHub sind Python, JavaScript, Jupyter Notebook, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #satellite-imagery-Repositories berechnet?
Wir verfolgen 25 aktive Open-Source-Repositories, die mit #satellite-imagery getaggt sind (500+ Sterne), mit insgesamt 45,363 Sternen und durchschnittlich 1,814 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.