Inicio Proyectos label-maker
label-maker

label-maker

por developmentseed · GitHub

Preparación de Datos para Aprendizaje Automático Satelital

Ver en GitHub
⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
label-maker — GitHub preview card
📈 Historial de estrellas
470469
2026-07-202026-07-29
📈 Sigue label-maker

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Preparación de Datos para Aprendizaje Automático Satelital

label-maker tiene 470 estrellas en GitHub. Se ha bifurcado 107 veces. label-maker está escrito principalmente en Python. Se desarrolla activamente desde 2018. label-maker está disponible bajo la licencia MIT. Sus temas principales son: computer-vision, data-preparation, deep-learning, keras.

Frequently asked questions

¿Qué es label-maker?

Preparación de Datos para Aprendizaje Automático Satelital

¿label-maker es de código abierto?

label-maker es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿label-maker es gratis?

Sí. label-maker es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está label-maker?

label-maker está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito label-maker?

label-maker está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — label-maker

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=developmentseed-label-maker)](https://opensourceai.tech/project/developmentseed-label-maker.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.