#remote-sensing Repositórios
Descubra 61 repositórios ativos de código aberto no GitHub marcados com #remote-sensing, acumulando um total de 94,289 estrelas (uma média de 1,545 por projeto). O líder deste tópico é satellite-image-deep-learning/techniques, com 10,311 estrelas.
61 repositórios no total
Técnicas para aprendizado profundo com imagens de satélite e aéreas
GDAL é uma biblioteca tradutora de código aberto com licença MIT para formatos de dados geoespaciais raster e vetoriais.
Inferência fatiada/em mosaico agnóstica a frameworks + UI interativa + gráficos de análise de erros
TorchGeo: conjuntos de dados, amostradores, transformações e modelos pré-treinados para dados geoespaciais
Um pacote Python para análise geoespacial interativa e visualização com o Google Earth Engine.
Uma compilação abrangente e atualizada de conjuntos de dados, ferramentas, métodos, artigos de revisão e competições para detecção de mudanças em sensoriamento remoto.
GlobalBuildingAtlas: um conjunto de dados aberto, global e completo de polígonos de edifícios, alturas e modelos 3D LoD1
Uma biblioteca e framework de código aberto para aprendizado profundo em imagens de satélite e aéreas.
Uma lista selecionada de ferramentas incríveis, tutoriais, código, projetos, links e conteúdo sobre Observação da Terra e Imagens de Satélite Geoespaciais
Conjuntos de dados da comunidade adicionados por usuários e disponibilizados para uso geral
Este repositório é para a primeira pesquisa abrangente sobre o Modelo Segment Anything (SAM) da Meta AI.
Conjuntos de dados para aprendizado profundo com imagens de satélite e aéreas
Uma lista selecionada e pronta para uso de Índices Espectrais para aplicações de Sensoriamento Remoto.
Uma lista selecionada de softwares, bibliotecas e recursos incríveis de Radar de Abertura Sintética (SAR).
Este é um benchmark de detecção de rotação baseado em TensorFlow, também chamado AlphaRotate.
[ECCV 2026] Skyfall-GS: Síntese de cenas urbanas 3D imersivas a partir de imagens de satélite
Dataset abordado por um Benchmark e Método de Compressão de Frequência para Deteção de Objetos Few-Shot por Infravermelho
FarmVibes.AI: Modelos GeoEspaciais de ML Multimodais para Agricultura e Sustentabilidade
:globe_with_meridians: Lista e mapa de mais de 800 empresas para empregos geoespaciais (GIS, Observação da Terra, UAV, Satélite, Agricultura Digital, ...)
Uma coleção de pacotes Python para análise geoespacial com exemplos de notebooks prontos para o binder
Tutoriais e conteúdo criados por usuários do Earth Engine, para usuários do Earth Engine
[CVPR26] TESSERA é um modelo de base que pode processar imagens de satélite em séries temporais para aplicações como classificação de uso do solo e previsão de altura de dossel. Desenvolvido na Universidade de Cambridge, ele permite a extração eficiente de padrões temporais a partir de observações da Terra
Aprendizado de máquina para dados multivariados através da geometria Riemanniana de matrizes positivas definidas em Python
[Destaque NeurIPS 2024] Implementação oficial de MSFA e lançamento do conjunto de dados SARDet_100K para Detecção de Objetos por Radar de Abertura Sintética (SAR) em Grande Escala
Um repositório de scripts personalizados a serem usados com o Sentinel Hub
(IJCV2024 & ICCV2023) LSKNet: Um Backbone Fundacional Leve para Sensoriamento Remoto
ACM Multimedia2020 University-1652: Um Padrão Multivisualização e Multifonte para Geolocalização Baseada em Drones :helicopter: anota 1652 edifícios em 72 universidades ao redor do mundo.
[CVPR 2024 🔥] GeoChat, o primeiro Grande Modelo de Linguagem Visual fundamentado para Sensoriamento Remoto
[IEEE TGRS 2024] ChangeMamba: Detecção de Mudanças em Sensoriamento Remoto Baseada em Modelo de Espaço de Estados Espaço-Temporal
Método de filtragem/segmentação de nuvem de pontos LiDAR baseada em simulação de tecido (extração de terra nua)
Esta é a implementação em pytorch do nosso artigo "RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model"
Implementação Desktop de Fotopletismografia Remota – Medindo a frequência cardíaca usando vídeo facial.
🚀Repositório oficial de agentes de sensoriamento remoto inteligente: uma pesquisa
Perguntas Frequentes
Qual é o repositório de #remote-sensing mais popular no GitHub?
O projeto de código aberto de #remote-sensing mais bem classificado no GitHub é satellite-image-deep-learning/techniques, com 10,311 estrelas. Técnicas para aprendizado profundo com imagens de satélite e aéreas
Quais linguagens de programação são mais usadas nos repositórios de #remote-sensing?
Entre os projetos de #remote-sensing mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook, JavaScript.
Como é calculada a classificação dos repositórios de #remote-sensing?
Acompanhamos 61 repositórios ativos de código aberto marcados com #remote-sensing (com mais de 500 estrelas), totalizando 94,289 estrelas e uma média de 1,545 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.