remote-sensing

Técnicas de deep learning com imagens de satélite e aéreas

GDAL é uma biblioteca tradutora de código aberto licenciada pelo MIT para formatos de dados geoespaciais raster e vetoriais.

Inferência fatiada/lado a lado agnóstica a framework + interface interativa + gráficos de análise de erro

Lista extensa de ferramentas e recursos geoespaciais.

TorchGeo: datasets, samplers, transformações e modelos pré-treinados para dados geoespaciais.

Um pacote Python para análise geoespacial interativa e visualização com o Google Earth Engine.

GeoAI: Inteligência Artificial para dados geoespaciais

Uma compilação abrangente e atualizada de conjuntos de dados, ferramentas, métodos, artigos de revisão e competições para detecção de mudanças em sensoriamento remoto.

Uma biblioteca e framework de código aberto para aprendizado profundo em imagens de satélite e aéreas.

Uma lista curada de ferramentas, tutoriais, código, projetos, links e recursos sobre Observação da Terra e imagens de satélite geoespaciais

Uma lista curada de recursos do Google Earth Engine

Datasets comunitários adicionados por usuários e disponibilizados para uso em larga escala

Uma plataforma avançada de análise de dados geoespaciais.

Conjuntos de dados para aprendizado profundo com imagens de satélite e aéreas.

Uma lista curada e pronta para uso de Índices Espectrais para aplicações de Sensoriamento Remoto.

GRASS - motor de processamento geoespacial gratuito e de código aberto

[ECCV 2026] Skyfall-GS: Síntese de cenas urbanas 3D imersivas a partir de imagens de satélite

Uma coleção de pacotes Python para análise geoespacial com exemplos de notebooks prontos para o binder

FarmVibes.AI: Modelos de ML geoespaciais 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, ..)

Ferramenta global de mapeamento de linhas costeiras a partir de imagens de satélite

Software de séries temporais InSAR de Miami em Python

Segmentação semântica para sensoriamento remoto

Aprendizado de máquina para dados multivariados por meio da geometria Riemanniana de matrizes definidas positivas em Python

[CVPR 2024 🔥] GeoChat, o primeiro Large Vision Language Model fundamentado para Sensoriamento Remoto

[CVPR26] TESSERA é um modelo de fundação capaz de processar imagens de satélite de séries temporais para aplicações como classificação de solo e previsão de altura de copa. Desenvolvido na Universidade de Cambridge, ele permite a extração eficiente de padrões temporais de observação da Terra

Manipulação e visualização de dados LiDAR aerotransportados para aplicações florestais

Um repositório de scripts personalizados para uso com o Sentinel Hub

Módulo Python para processamento de imagens hiperespectrais

notebooks interativos da Planet Engineering