#卫星图像
techniques
本网站详细介绍一系列用于卫星与航空图像处理的深度学习技术，包括分类、分割和对象检测等多种关键技术。这些技术有助于处理复杂的图像尺寸和多元的对象类别，适用于城市规划、环境监测等多个领域。
raster-vision
Raster Vision是一个开源的Python库和框架，用于构建卫星、航空和其他大型影像集的计算机视觉模型。它支持芯片分类、目标检测和语义分割，后端采用PyTorch。作为低代码框架，它允许用户无需深度学习专业知识即可配置和运行机器学习管道，并支持通过AWS Batch和AWS Sagemaker在云端进行部署。用户可以通过pip或Docker镜像进行安装和使用。更多详情参阅官方文档。
satclip
SatCLIP是一个基于卫星图像的地理位置编码器，通过对比学习将图像与位置匹配。该项目使用球谐函数进行位置编码，支持多种视觉编码器，适用于空间分析和图像定位等任务。SatCLIP提供预训练模型、示例代码和S2-100K数据集，便于研究人员开展地理空间分析和机器学习应用，为全球尺度的地理信息处理开辟新途径。
HighResCanopyHeight
HighResCanopyHeight项目运用自监督视觉转换器和卷积解码器，将RGB卫星影像转化为高分辨率森林冠层高度图。通过大规模预训练和针对性微调，该技术展现出跨地理区域和影像类型的适应性。这一创新方法在精确度和细节呈现上超越传统技术，为森林监测和生态研究提供了有力支持。
maxar-open-data
maxar-open-data是一个开源的高分辨率卫星影像数据共享项目。该项目提供了支持紧急规划、风险评估、灾害监测和应急响应等场景的卫星影像数据。用户可通过AWS、STAC索引和Hugging Face等多种方式访问数据。项目还包含Python接口、可视化示例和相关资源，便于数据获取、处理和分析。
EOS Data Analytics
EOS Data Analytics专注于农业和林业领域的地理空间数据分析。公司利用卫星技术和AI解决方案,为全球企业提供实时数据,助力环境保护。产品包括作物监测、森林监测和土地查看器等,帮助客户做出明智决策,提高利润并实现可持续发展。EOS Data Analytics与多家知名机构合作,推动全球业务增长的同时保护环境。
Cybertiks
Cybertiks利用卫星遥感技术和人工智能模型，为全球客户提供农业远程感测解决方案。通过整合光学、雷达等多源数据，结合量子计算技术，实现精准的物质识别、分类和量化。平台提供农田分析、土壤监测和作物管理服务，助力提高农业生产效率，促进可持续发展。
datafarmr
datafarmr平台集成数据订阅和卫星图像服务，提供历史数据访问、定制营销数据、地理特定数据和数据集补全功能。卫星图像分辨率高达7厘米/像素。订阅费用为月付99美元或年付900美元。平台确保数据质量，使用安全支付系统，满足企业和研究机构对大量数据和高清卫星图像的需求。