Awesome GitHub RepositoriesRaster Data Loaders

GDAL est une bibliothèque de traduction open source sous licence MIT qui fournit un modèle de données abstrait unifié pour lire et écrire des données géospatiales raster et vectorielles dans des centaines de formats de fichiers. Elle sert de bibliothèque de traduction de données géospatiales fondamentale, permettant l'accès à divers formats de données géospatiales via une interface unique et cohérente. La bibliothèque expose ses fonctionnalités principales via des utilitaires en ligne de commande qui permettent aux utilisateurs de traduire, convertir et traiter des données géospatiales entre les formats. Un moteur de transformation de coordonnées gère les conversions entre les systèmes de référence spatiale, tandis qu'un système de plugin de pilote de format charge la logique de lecture et d'écriture spécifique au format au moment de l'exécution. La couche de système de fichiers virtuel fournit un accès E/S uniforme à travers les fichiers locaux, HTTP, le stockage cloud et les archives compressées, et un cache de blocs raster gère la mise en cache des tuiles en mémoire pour réduire les opérations E/S. GDAL prend en charge la lecture et l'écriture de données géospatiales raster et vectorielles, avec une itération de caractéristiques vectorielles qui diffuse les caractéristiques individuellement sans charger des jeux de données entiers en mémoire. Le projet permet l'interopérabilité géospatiale entre les formats en prenant en charge l'échange de données entre différents écosystèmes logiciels géospatiaux grâce à son support étendu des formats.

TorchGeo is a PyTorch library designed for deep learning on geospatial data, providing a framework for building and training neural networks for tasks such as semantic segmentation, object detection, and change detection. It serves as a comprehensive pipeline for remote sensing, featuring specialized dataset loaders and multispectral image preprocessing tools. The library is distinguished by a dedicated remote sensing model zoo and extensive support for transfer learning, allowing users to integrate pre-trained weights optimized for specific satellite sensors. It also includes support for sel