sentinel-hub/eo-learn

어떤 프로젝트인가요?

핵심 기능

• 01위성 이미지를 처리하도록 재사용 가능한 태스크를 연결하는 워크플로입니다.
• 02EOPatch 컨테이너는 각 영역의 배열, 타임스탬프, 지리 메타데이터를 저장합니다.
• 03구름 마스킹, 공동 정합, 피처 추출을 위한 기본 제공 태스크입니다.
• 04Sentinel Hub 서비스에서 데이터를 가져오고 로컬에 저장하거나 불러올 수 있습니다.
• 05보간, 클러스터링, zarr 저장, ray를 이용한 병렬 실행을 위한 선택형 추가 기능을 제공합니다.

활용 사례

• 다중 시기 위성 이미지로 토지 피복 분류 파이프라인 구축하기.
• 관심 영역에서 NDWI 등의 지수를 계산해 수역 모니터링하기.
• 머신러닝 모델에 사용할 구름 없는 시계열 데이터 준비하기.
• 대규모 위성 처리 워크플로를 병렬로 실행하기.

토픽

자주 묻는 질문

eo-learn은(는) 무엇인가요?

위성 지구 관측 이미지를 머신러닝 입력으로 처리하는 모듈형 워크플로를 구축하기 위한 Python 프레임워크입니다. eo-learn은 시공간 위성 이미지 시퀀스에 접근하고 처리하기 위한 Python 패키지 모음입니다. 처리는 타임스탬프와 지리 메타데이터가 포함된 위성 데이터 배열을 저장하는 컨테이너인 EOPatch에서 작업을 수행하는 태스크 워크플로로 표현됩니다. 일반적인 단계로는 구름 마스킹, 이미지 공동 정합, 피처 추출, 분류용 데이터 준비가 있습니다.

eo-learn은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?

eo-learn은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.

eo-learn은(는) 아직 유지보수되고 있나요?

6개월 이내 업데이트. eo-learn의 마지막 커밋은 2026년 9월 9일입니다.

eo-learn은(는) 어디에 사용할 수 있나요?

다중 시기 위성 이미지로 토지 피복 분류 파이프라인 구축하기. 관심 영역에서 NDWI 등의 지수를 계산해 수역 모니터링하기. 머신러닝 모델에 사용할 구름 없는 시계열 데이터 준비하기. 대규모 위성 처리 워크플로를 병렬로 실행하기.

eo-learn은(는) 어디서 받을 수 있나요?

소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/sentinel-hub/eo-learn