#satellite-imagery Repositorios
Descubre 25 repositorios activos de código abierto de GitHub etiquetados con #satellite-imagery, que acumulan 45,363 estrellas en total (una media de 1,814 estrellas por proyecto). El líder de este tema es satellite-image-deep-learning/techniques, con 10,311 estrellas.
25 repositorios en total
Técnicas para el aprendizaje profundo con imágenes satelitales y aéreas
Una habilidad de agente que localiza dónde se tomó una foto —mediante geometría de OpenStreetMap, perfiles del horizonte según la elevación, imágenes satelitales y vista de calles— y muestra su trabajo. Funciona con Claude Code, Codex, Cursor, Gemini CLI, OpenCode y GitHub Copilot.
TorchGeo: conjuntos de datos, muestreadores, transformaciones y modelos pre-entrenados para datos geoespaciales
Segmentación semántica en imágenes aéreas y satelitales. Extrae características tales como: edificios, estacionamientos, carreteras, agua, nubes
Huellas de edificios mundiales derivadas de imágenes satelitales
Interfaz interactiva para explorar imágenes satelitales globales de alta resolución
Una lista curada de geniales herramientas, tutoriales, código, proyectos, enlaces y recursos sobre Observación de la Tierra e Imágenes Satelitales
Conjuntos de datos para aprendizaje profundo con imágenes satelitales y aéreas
Una lista curada de índices espectrales lista para usar para aplicaciones de teledetección.
Especificación del Catálogo de Activos EspacioTemporales - haciendo que los activos geoespaciales sean abiertamente buscables y rastreables
Proporciona a tu LLM acceso a imágenes satelitales, datos del terreno, edificios y fotos de Street View
Descarga y procesa imágenes satelitales en Python usando los servicios de Sentinel Hub.
Tutoriales y contenido creado por usuarios de Earth Engine, para usuarios de Earth Engine
[CVPR26] TESSERA es un modelo base que puede procesar imágenes satelitales en series temporales para aplicaciones como la clasificación de uso del suelo y la predicción de altura del dosel. Desarrollado en la Universidad de Cambridge, permite la extracción eficiente de patrones temporales de la observación de la Tierra
Una lista de conjuntos de datos geoespaciales abiertos disponibles en AWS, Earth Engine, Planetary Computer, NASA CMR e STAC Index
Este repositorio proporciona una lista completa de conjuntos de datos de satélites de radar y ópticos seleccionados para tareas de detección, clasificación, segmentación semántica y segmentación de instancias de barcos. Estos conjuntos de datos son ideales para aplicaciones en visión por computadora, aprendizaje automático, teledetección y análisis marítimo.
Lista curada de herramientas, tutoriales y APIs geniales para datos de satélite Copernicus Sentinel
[IGARSS'22]: Una Red Siamés Basada en Transformadores para la Detección de Cambios
Jupyter Notebooks y herramientas Python de código abierto para el análisis geoespacial con Digital Earth Australia, Open Data Cube y Xarray
Crea una visualización del tráfico al estilo de un gemelo digital utilizando únicamente grabaciones de CCTV en MP4 y su ubicación en Google Maps.
Preguntas frecuentes
¿Cuál es el repositorio de #satellite-imagery más popular en GitHub?
El proyecto de código abierto de #satellite-imagery mejor posicionado en GitHub es satellite-image-deep-learning/techniques, con 10,311 estrellas. Técnicas para el aprendizaje profundo con imágenes satelitales y aéreas
¿Qué lenguajes de programación se utilizan más en los repositorios de #satellite-imagery?
Entre los proyectos de #satellite-imagery mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, JavaScript, Jupyter Notebook, HTML.
¿Cómo se calcula la clasificación de los repositorios de #satellite-imagery?
Seguimos 25 repositorios activos de código abierto etiquetados con #satellite-imagery (500+ estrellas), que suman un total de 45,363 estrellas, con una media de 1,814 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.