#satellite-imagery Repository
Scopri 25 repository GitHub open source attivi contrassegnati con #satellite-imagery, che raccolgono un totale di 45,363 stelle (con una media di 1,814 stelle per progetto). Il progetto leader di questo argomento è satellite-image-deep-learning/techniques, con 10,311 stelle.
25 repository in totale
Tecniche per il deep learning con immagini satellitari e aeree
Una competenza dell’agente che individua il luogo in cui è stata scattata una foto — utilizzando la geometria di OpenStreetMap, i profili dello skyline in base all’altitudine, immagini satellitari e viste stradali — e mostra il proprio lavoro. Funziona con Claude Code, Codex, Cursor, Gemini CLI, OpenCode e GitHub Copilot.
TorchGeo: dataset, sampler, trasformazioni e modelli pre-addestrati per dati geospaziali
Segmentazione semantica su immagini aeree e satellitari. Estrae caratteristiche come: edifici, parcheggi, strade, acqua, nuvole
Interfaccia interattiva per la navigazione di immagini satellitari globali ad alta risoluzione
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 indici spettrali pronto all'uso per applicazioni di telerilevamento.
Specifica del Catalogo di Asset SpazioTemporali - rendendo gli asset geospaziali apertamente ricercabili e crawlable
Fornisci al tuo LLM immagini satellitari, dati sul terreno, edifici e foto di Street View
Scarica ed elabora immagini satellitari in Python utilizzando i servizi Sentinel Hub.
Tutorial e contenuti creati dagli utenti di Earth Engine, per gli utenti di Earth Engine
[CVPR26] TESSERA è un modello di base che può elaborare immagini satellitari in serie temporali per applicazioni come la classificazione del suolo e la previsione dell'altezza del baldacchino. Sviluppato presso l'Università di Cambridge, consente l'estrazione efficiente di pattern temporali dalle osservazioni della Terra
Un elenco di set di dati geospaziali aperti disponibili su AWS, Earth Engine, Planetary Computer, NASA CMR e STAC Index
Questo repository fornisce un elenco completo di set di dati satellitari radar e ottici curati per attività di rilevamento, classificazione, segmentazione semantica e segmentazione di istanze di navi. Questi set di dati sono ideali per applicazioni in computer vision, machine learning, telerilevamento e analisi marittima.
Elenco curato di tool, tutorial e API fantastici per i dati satellitari Copernicus Sentinel
[IGARSS'22]: Una Rete Siamese Basata su Trasformatori per il Rilevamento delle Modifiche
Notebook Jupyter e strumenti Python open-source per l'analisi geospaziale con Digital Earth Australia, Open Data Cube e Xarray
Crea una visualizzazione del traffico in stile gemello digitale utilizzando esclusivamente filmati CCTV in formato MP4 e la relativa posizione su Google Maps.
Domande frequenti
Qual è il repository #satellite-imagery più popolare su GitHub?
Il progetto open source #satellite-imagery 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 #satellite-imagery?
Tra i progetti #satellite-imagery più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, JavaScript, Jupyter Notebook, HTML.
Come viene calcolata la classifica dei repository #satellite-imagery?
Monitoriamo 25 repository open source attivi contrassegnati con #satellite-imagery (500+ stelle), per un totale di 45,363 stelle e una media di 1,814 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.