#remote-sensing Dépôts
Découvrez 61 dépôts GitHub open source actifs associés à #remote-sensing, cumulant 94,289 étoiles au total (soit une moyenne de 1,545 étoiles par projet). Le projet en tête de ce thème est satellite-image-deep-learning/techniques, avec 10,311 étoiles.
61 dépôts au total
Techniques d'apprentissage profond avec des images satellites et aériennes
GDAL est une bibliothèque de traduction open source sous licence MIT pour les formats de données géospatiales raster et vectorielles.
Inférence découpée/tuilée indépendante du framework + UI interactive + tracés d'analyse d'erreurs
TorchGeo : jeux de données, échantillonneurs, transformations et modèles pré-entraînés pour les données géospatiales
Un package Python pour l'analyse et la visualisation géospatiales interactives avec Google Earth Engine.
Une compilation complète et à jour de jeux de données, d'outils, de méthodes, d'articles de revue et de compétitions pour la détection de changements par télédétection.
GlobalBuildingAtlas: un ensemble de données ouvert, mondial et complet de polygones de bâtiments, de hauteurs et de modèles 3D LoD1
Une bibliothèque et un framework open source pour le deep learning sur l'imagerie satellitaire et aérienne.
Une liste organisée d'outils, tutoriels, codes, projets, liens et autres ressources géniales sur l'observation de la Terre et l'imagerie satellitaire
Ensembles de données communautaires ajoutés par les utilisateurs et mis à disposition pour une utilisation à grande échelle
Ce dépôt est la première enquête complète sur le modèle Segment Anything (SAM) de Meta AI.
Ensembles de données pour l'apprentissage profond avec des images satellites et aériennes
Une liste organisée d'indices spectraux prête à l'emploi pour les applications de télédétection.
Une liste organisée de logiciels, bibliothèques et ressources impressionnants sur le radar à synthèse d'ouverture (SAR).
Ceci est un benchmark de détection de rotation basé sur tensorflow, également appelé AlphaRotate.
[ECCV 2026] Skyfall-GS : Synthèse de scènes urbaines 3D immersives à partir d'imagerie satellite
Ensemble de données abordé par une méthode de référence et de compression de fréquence pour la détection d'objets à infrarouges avec peu d'exemples
FarmVibes.AI : Modèles ML Géospatiaux Multi-Modaux pour l'Agriculture et la Durabilité
:globe_with_meridians: Liste et carte de plus de 800 entreprises pour les emplois géospatiaux (SIG, Observation de la Terre, UAV, Satellite, Agriculture numérique, ...)
Une collection de paquets Python pour l'analyse géospatiale avec des exemples de notebooks prêts pour binder
Tutoriels et contenus créés par les utilisateurs d'Earth Engine, pour les utilisateurs d'Earth Engine
[CVPR26] TESSERA est un modèle de base qui peut traiter des images satellites en séries temporelles pour des applications telles que la classification des terres et la prédiction de la hauteur de la canopée. Développé à l'Université de Cambridge, il permet l'extraction efficace de motifs temporels à partir des observations de la Terre
Apprentissage automatique pour les données multivariées à travers la géométrie riemannienne des matrices définies positives en Python
[NeurIPS 2024 spotlight] Implémentation officielle de MSFA et publication du jeu de données SARDet_100K pour la détection d'objets radar à ouverture synthétique (SAR) à grande échelle
Manipulation et visualisation des données LiDAR aéroportées pour applications forestières
(IJCV2024 & ICCV2023) LSKNet : une colonne vertébrale légère fondamentale pour la télédétection
ACM Multimedia2020 University-1652 : Un Benchmark Multi-vue Multi-source pour la Géolocalisation Basée sur Drones :helicopter: annote 1652 bâtiments dans 72 universités à travers le monde.
[CVPR 2024 🔥] GeoChat, le premier grand modèle linguistique visuel ancré pour la télédétection
[IEEE TGRS 2024] ChangeMamba : Détection des changements en télédétection basée sur le modèle de l'espace d'états spatio-temporel
Méthode de filtrage / segmentation du terrain de nuages de points LiDAR (extraction de la terre nue) basée sur la simulation de tissu
Ceci est l'implémentation PyTorch de notre article « RSPrompter : Apprendre à interpeller pour la segmentation d'instance de télédétection basée sur un modèle de base visuel »
Implémentation de bureau de la Photopléthysmographie à distance – Mesure de la fréquence cardiaque à l'aide de vidéo faciale.
🚀Répertoire officiel des agents de télédétection intelligents : une étude
Foire aux questions
Quel est le dépôt #remote-sensing le plus populaire sur GitHub ?
Le projet #remote-sensing open source le mieux classé sur GitHub est satellite-image-deep-learning/techniques, avec 10,311 étoiles. Techniques d'apprentissage profond avec des images satellites et aériennes
Quels langages de programmation sont les plus utilisés dans les dépôts #remote-sensing ?
Parmi les projets #remote-sensing les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, JavaScript.
Comment le classement des dépôts #remote-sensing est-il calculé ?
Nous suivons 61 dépôts open source actifs associés à #remote-sensing (500+ étoiles), totalisant 94,289 étoiles, avec une moyenne de 1,545 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.