#earth-observation Repository
Scopri 22 repository GitHub open source attivi contrassegnati con #earth-observation, che raccolgono un totale di 39,717 stelle (con una media di 1,805 stelle per progetto). Il progetto leader di questo argomento è satellite-image-deep-learning/techniques, con 10,311 stelle.
22 repository in totale
Tecniche per il deep learning con immagini satellitari e aeree
TorchGeo: dataset, sampler, trasformazioni e modelli pre-addestrati per dati geospaziali
Un elenco curato di fantastici strumenti, tutorial, codice, progetti, link e materiale sull'osservazione della Terra e sull'immaginazione satellitare
Set di dati per il deep learning con immagini satellitari e aeree
Un elenco curato di fantastici software, librerie e risorse per il radar ad apertura sintetica (SAR).
[ECCV 2026] Skyfall-GS: Sintesi di scene urbane 3D immersive da immagini satellitari
Specifica del Catalogo di Asset SpazioTemporali - rendendo gli asset geospaziali apertamente ricercabili e crawlable
:globe_with_meridians: Elenco e mappa di oltre 800 aziende per lavori geospaziali (GIS, Osservazione della Terra, UAV, Satellite, Agricoltura Digitale, ...)
Un toolkit Python per il fine-tuning di modelli geospaziali fondamentali (GFM).
Un repository di script personalizzati da utilizzare con Sentinel Hub
[IEEE TGRS 2024] ChangeMamba: Rilevamento dei cambiamenti nel telerilevamento basato sul modello spaziotemporale dello spazio degli stati
Il modello di base Clay - Un modello e un'interfaccia IA open source per la Terra
PyGMTSAR (Python InSAR): Interferometria satellitare potente e accessibile
Una lista di risorse per la super-risoluzione di immagini iperspettrali raccolte da Junjun Jiang
Notebook Jupyter e strumenti Python open-source per l'analisi geospaziale con Digital Earth Australia, Open Data Cube e Xarray
Domande frequenti
Qual è il repository #earth-observation più popolare su GitHub?
Il progetto open source #earth-observation più alto in classifica su GitHub è satellite-image-deep-learning/techniques, con 10,311 stelle. Tecniche per il deep learning con immagini satellitari e aeree
Quali linguaggi di programmazione sono più utilizzati nei repository #earth-observation?
Tra i progetti #earth-observation più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, HTML, JavaScript, C.
Come viene calcolata la classifica dei repository #earth-observation?
Monitoriamo 22 repository open source attivi contrassegnati con #earth-observation (500+ stelle), per un totale di 39,717 stelle e una media di 1,805 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.