#satellite-imagery Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #satellite-imagery, cumulant 45,363 étoiles au total (soit une moyenne de 1,814 étoiles par projet). Le projet en tête de ce thème est satellite-image-deep-learning/techniques, avec 10,311 étoiles.
25 dépôts au total
Techniques d'apprentissage profond avec des images satellites et aériennes
Une compétence d’agent qui détermine où une photo a été prise — à l’aide de la géométrie d’OpenStreetMap, des silhouettes d’horizon selon l’altitude, d’images satellites et de vues de rues — et montre son travail. Fonctionne avec Claude Code, Codex, Cursor, Gemini CLI, OpenCode et GitHub Copilot.
TorchGeo : jeux de données, échantillonneurs, transformations et modèles pré-entraînés pour les données géospatiales
Segmentation sémantique sur imagerie aérienne et satellitaire. Extrait des caractéristiques telles que : bâtiments, parkings, routes, eau, nuages
Empreintes de bâtiments mondiales dérivées d'images satellitaires
Interface interactive pour parcourir des images satellites mondiales en pleine résolution
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 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.
Spécification du Catalogue d'Actifs SpatioTemporels - rendant les actifs géospatiaux ouvertement recherchables et crawlables
Donnez à votre LLM accès à des images satellite, à des données de terrain, aux bâtiments et à des photos Street View
Téléchargez et traitez des images satellites en Python à l'aide des services Sentinel Hub.
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
Une liste de jeux de données géospatiaux ouverts disponibles sur AWS, Earth Engine, Planetary Computer, NASA CMR et STAC Index
Ce référentiel fournit une liste complète de jeux de données satellitaires radar et optiques sélectionnés pour des tâches de détection, de classification, de segmentation sémantique et de segmentation d'instance de navires. Ces jeux de données sont idéaux pour les applications en vision par ordinateur, apprentissage automatique, télédétection et analyse maritime.
Liste curatée d'outils, tutoriels et API excellents pour les données satellites Copernicus Sentinel
[IGARSS'22]: Un réseau siamois basé sur un transformeur pour la détection de changements
Carnets Jupyter et outils Python open-source pour l'analyse géospatiale avec Digital Earth Australia, Open Data Cube et Xarray
Intègre Google Earth Engine et QGIS en utilisant l'API Python
Créez une visualisation du trafic de type jumeau numérique en utilisant uniquement des séquences de vidéosurveillance au format MP4 et leur emplacement sur Google Maps.
Foire aux questions
Quel est le dépôt #satellite-imagery le plus populaire sur GitHub ?
Le projet #satellite-imagery 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 #satellite-imagery ?
Parmi les projets #satellite-imagery les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, JavaScript, Jupyter Notebook, HTML.
Comment le classement des dépôts #satellite-imagery est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #satellite-imagery (500+ étoiles), totalisant 45,363 étoiles, avec une moyenne de 1,814 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.