地理空間データやリモートセンシングデータ向けのデータセット、サンプラー、変換処理、事前学習済みモデルを提供するPyTorchドメインライブラリ。
sentinel-hub/eo-learn
衛星地球観測画像を機械学習用の入力データに変換する、モジュール式ワークフローを構築するためのPythonフレームワーク。
- スター
- 1,258
- フォーク
- 306
- 未解決の Issue
- 7
- 最終コミット
- 2 か月前
これは何?
eo-learnは、時空間衛星画像シーケンスにアクセスして処理するためのPythonパッケージ群です。処理は、衛星データの配列とタイムスタンプ、地理情報メタデータを格納するコンテナEOPatchを操作するタスクのワークフローとして記述します。一般的な処理には、雲のマスキング、画像の位置合わせ、特徴量の抽出、分類用データの準備などがあります。
eo-learnは、core、io、mask、coregistration、features、geometry、ml-tools、visualizationなどのモジュールで構成されています。ioモジュールはSentinel Hubのサービスからのデータ取得と、ローカルでの保存・読み込みを担います。オプションのextrasを追加すると、補間、クラスタリング、zarrストレージ、rayによる並列実行、プロットなどのタスクに必要な依存関係を導入できます。
eo-learnは、リモートセンシングを専門としない人にも扱いやすくすると同時に、専門家がPythonのコンピュータビジョン、機械学習、ディープラーニングのツールを活用できるようにすることを目指しています。PyPIまたはconda-forgeからインストールでき、Jupyterとサンプルノートブックを含むDockerイメージも利用できます。
主な機能
- 01再利用可能なタスクをつないだワークフローで、衛星画像を処理できます。
- 02EOPatchコンテナに、各エリアの配列、タイムスタンプ、地理情報メタデータを格納できます。
- 03雲のマスキング、画像の位置合わせ、特徴量抽出に対応する組み込みタスクを備えています。
- 04Sentinel Hubのサービスからデータにアクセスでき、ローカルでの保存と読み込みにも対応しています。
- 05オプションのextrasにより、補間、クラスタリング、zarrストレージ、rayによる並列実行を利用できます。
ユースケース
- 時系列衛星画像から土地被覆分類パイプラインを構築する。
- 対象地域でNDWIなどの指標を計算し、水域をモニタリングする。
- 機械学習モデル向けに、雲のない時系列データを準備する。
- 大規模な衛星画像処理ワークフローを並列実行する。
トピック
よくある質問
- eo-learn とは?
- 衛星地球観測画像を機械学習用の入力データに変換する、モジュール式ワークフローを構築するためのPythonフレームワーク。 eo-learnは、時空間衛星画像シーケンスにアクセスして処理するためのPythonパッケージ群です。処理は、衛星データの配列とタイムスタンプ、地理情報メタデータを格納するコンテナEOPatchを操作するタスクのワークフローとして記述します。一般的な処理には、雲のマスキング、画像の位置合わせ、特徴量の抽出、分類用データの準備などがあります。
- eo-learn は無料で使えますか?ライセンスは?
- eo-learn は MIT ライセンスのオープンソースです。商用製品で使う前にライセンス条件を確認してください。
- eo-learn は今もメンテナンスされていますか?
- 半年以内に更新あり。eo-learn の最終コミットは 2026年9月9日 です。
- eo-learn は何に使えますか?
- 時系列衛星画像から土地被覆分類パイプラインを構築する。 対象地域でNDWIなどの指標を計算し、水域をモニタリングする。 機械学習モデル向けに、雲のない時系列データを準備する。 大規模な衛星画像処理ワークフローを並列実行する。
- eo-learn はどこで入手できますか?
- ソースコードとインストール手順は GitHub にあります:https://github.com/sentinel-hub/eo-learn
概要はプロジェクトの README をもとに AI が生成しています。GitHub の数値は毎日更新されます。
関連プロジェクト
衛星画像や航空写真などの地理空間画像にMetaのSegment Anything Model(SAM)を適用し、ジオリファレンス付きマスクを生成するPythonパッケージ。
Jupyter NotebookでGoogle Earth Engineのデータを対話的に解析・可視化するPythonパッケージ。
地理空間データのマッピング、分析、共有に使える、純粋なRust製のデスクトップ・Web GIS。スクリプト実行可能なコマンドとAIアシスタントを備えています。
数行のPythonコードで表形式、時系列、マルチモーダルデータのMLモデルを学習・アンサンブルするAutoMLライブラリ。
書籍『Machine Learning for Trading(第3版)』の関連コード。データの取得からライブ取引まで、エンドツーエンドのワークフローを扱います。