#satellite-imagery Repositórios
Descubra 25 repositórios ativos de código aberto no GitHub marcados com #satellite-imagery, acumulando um total de 45,363 estrelas (uma média de 1,814 por projeto). O líder deste tópico é satellite-image-deep-learning/techniques, com 10,311 estrelas.
25 repositórios no total
Técnicas para aprendizado profundo com imagens de satélite e aéreas
Uma habilidade de agente que identifica onde uma foto foi tirada — usando a geometria do OpenStreetMap, silhuetas do horizonte baseadas na elevação, imagens de satélite e imagens de ruas — e mostra seu trabalho. Funciona com Claude Code, Codex, Cursor, Gemini CLI, OpenCode e GitHub Copilot.
TorchGeo: conjuntos de dados, amostradores, transformações e modelos pré-treinados para dados geoespaciais
Segmentação semântica em imagens aéreas e de satélite. Extrai características como: edifícios, estacionamentos, estradas, água, nuvens
Contornos de edifícios em todo o mundo derivados de imagens de satélite
Interface interativa para navegar imagens de satélite globais e de resolução total
Uma lista selecionada de ferramentas incríveis, tutoriais, código, projetos, links e conteúdo sobre Observação da Terra e Imagens de Satélite Geoespaciais
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.
Especificação do Catálogo de Ativos Espaço-Temporais - tornando os ativos geoespaciais abertamente pesquisáveis e rastreáveis
Dê ao seu LLM acesso a imagens de satélite, dados do terreno, edifícios e fotos do Street View
Baixe e processe imagens de satélite em Python usando os serviços do Sentinel Hub.
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
Uma lista de conjuntos de dados geoespaciais abertos disponíveis na AWS, Earth Engine, Planetary Computer, NASA CMR e STAC Index
Este repositório fornece uma lista abrangente de conjuntos de dados de satélite de radar e ópticos, selecionados para tarefas de detecção, classificação, segmentação semântica e segmentação de instâncias de navios. Estes conjuntos de dados são ideais para aplicações em visão computacional, aprendizado de máquina, sensoriamento remoto e análise marítima.
lista selecionada de ferramentas fantásticas, tutoriais e APIs para dados de satélite Copernicus Sentinel
[IGARSS'22]: Uma Rede Siamesa Baseada em Transformer para Detecção de Mudanças
Notebooks Jupyter de código aberto e ferramentas Python para análise geoespacial com Digital Earth Australia, Open Data Cube e Xarray
Crie uma visualização do tráfego no estilo de um gêmeo digital usando apenas imagens de CCTV em MP4 e sua localização no Google Maps.
Perguntas Frequentes
Qual é o repositório de #satellite-imagery mais popular no GitHub?
O projeto de código aberto de #satellite-imagery 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 #satellite-imagery?
Entre os projetos de #satellite-imagery mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, JavaScript, Jupyter Notebook, HTML.
Como é calculada a classificação dos repositórios de #satellite-imagery?
Acompanhamos 25 repositórios ativos de código aberto marcados com #satellite-imagery (com mais de 500 estrelas), totalizando 45,363 estrelas e uma média de 1,814 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.