remote-sensing

Các kỹ thuật học sâu với hình ảnh vệ tinh và trên không

GDAL là thư viện chuyển đổi mã nguồn mở theo giấy phép MIT dành cho định dạng dữ liệu không gian địa chỉ dạng raster và vector.

Suy luận dạng cắt lát/lát gạch độc lập với framework + giao diện người dùng tương tác + biểu đồ phân tích lỗi

Danh sách dài các công cụ và tài nguyên không gian địa lý

TorchGeo: tập dữ liệu, bộ lấy mẫu, phép biến đổi và mô hình được huấn luyện trước cho dữ liệu không gian địa lý

Một gói Python dùng để phân tích và trực quan hóa không gian địa lý tương tác với Google Earth Engine.

GeoAI: Trí tuệ nhân tạo cho dữ liệu không gian địa lý

Tổng hợp toàn diện và cập nhật các tập dữ liệu, công cụ, phương pháp, bài báo tổng quan và cuộc thi về phát hiện thay đổi viễn thám.

Thư viện và framework mã nguồn mở dành cho học sâu trên hình ảnh vệ tinh và hàng không.

Danh sách tuyển chọn các công cụ, hướng dẫn, mã, dự án, liên kết tuyệt vời về Quan sát Trái đất, Hình ảnh Vệ tinh Địa không gian.

Danh sách tài nguyên Google Earth Engine được tuyển chọn

Bộ dữ liệu cộng đồng được đóng góp bởi người dùng và cung cấp cho sử dụng chung

Nền tảng phân tích dữ liệu không gian địa lý tiên tiến

Bộ dữ liệu cho học sâu với hình ảnh vệ tinh và trên không

Danh sách các Chỉ số Phổ (Spectral Indices) được tuyển chọn sẵn sàng sử dụng cho các ứng dụng Viễn thám.

GRASS - công cụ xử lý không gian địa lý mã nguồn mở và miễn phí

[ECCV 2026] Skyfall-GS: Tổng hợp cảnh đô thị 3D sống động từ hình ảnh vệ tinh

Bộ sưu tập các gói Python để phân tích không gian địa lý với các ví dụ notebook sẵn sàng cho Binder.

FarmVibes.AI: Mô hình ML không gian địa lý đa phương thức dành cho nông nghiệp và phát triển bền vững

Công cụ lập bản đồ đường bờ biển toàn cầu từ hình ảnh vệ tinh

Danh sách và bản đồ của hơn 800 công ty tuyển dụng trong lĩnh vực không gian địa lý (GIS, Quan sát Trái đất, UAV, Vệ tinh, Nông nghiệp kỹ thuật số, v.v.).

Phần mềm chuỗi thời gian InSAR Miami bằng Python

Phân đoạn ngữ nghĩa cho viễn thám

Học máy cho dữ liệu đa biến thông qua hình học Riemannian của các ma trận xác định dương trong Python.

[CVPR 2024 🔥] GeoChat, mô hình ngôn ngữ thị giác lớn (Large Vision Language Model) đầu tiên được căn chỉnh cho viễn thám.

[CVPR26] TESSERA là mô hình nền tảng có thể xử lý hình ảnh vệ tinh chuỗi thời gian cho các ứng dụng như phân loại đất và dự đoán chiều cao tán cây. Được phát triển tại Đại học Cambridge, nó cho phép trích xuất hiệu quả các mẫu thời gian từ quan sát Trái đất.

Thao tác và trực quan hóa dữ liệu LiDAR trên không cho ứng dụng lâm nghiệp

Kho lưu trữ các tập lệnh tùy chỉnh để sử dụng với Sentinel Hub

Module Python để xử lý hình ảnh siêu phổ (hyperspectral)

Các notebook tương tác từ Planet Engineering