Доменная библиотека PyTorch с датасетами, сэмплерами, трансформациями и предобученными моделями для геопространственных данных и дистанционного зондирования.
4,2 тыс.+8 за неделю607PythonMITАктивно поддерживаетсяОбновлён 3 дня назад
sentinel-hub/eo-learn
Фреймворк на Python для создания модульных рабочих процессов, преобразующих спутниковые снимки Земли в данные для машинного обучения.
- Звёзды
- 1,258
- Форки
- 306
- Открытые issues
- 7
- Последний коммит
- 2 месяца назад
Что это?
eo-learn — это набор пакетов Python для получения и обработки пространственно-временных последовательностей спутниковых снимков. Обработка строится как рабочий процесс из задач, которые работают с EOPatch — контейнером для массивов спутниковых данных, временных меток и географических метаданных. Типичные этапы включают маскирование облаков, совмещение снимков, извлечение признаков и подготовку данных для классификации.
Библиотека разделена на модули, в том числе core, io, mask, coregistration, features, geometry, ml-tools и visualization. Модуль io отвечает за получение данных из сервисов Sentinel Hub, а также за их локальное сохранение и загрузку. Дополнительные опции устанавливают зависимости для таких задач, как интерполяция, кластеризация, хранение в zarr, параллельное выполнение на базе ray и построение графиков.
eo-learn призван упростить работу с дистанционным зондированием для неспециалистов и при этом дать экспертам в этой области доступ к инструментам компьютерного зрения, машинного обучения и глубокого обучения в Python. Библиотеку можно установить из PyPI или conda-forge; также доступен Docker-образ с Jupyter и примерами ноутбуков.
Ключевые возможности
- 01Рабочий процесс из повторно используемых задач, объединённых для обработки спутниковых снимков.
- 02Контейнер EOPatch хранит массивы, временные метки и географические метаданные для каждой области.
- 03Встроенные задачи для маскирования облаков, совмещения снимков и извлечения признаков.
- 04Получение данных из сервисов Sentinel Hub с поддержкой локального сохранения и загрузки.
- 05Дополнительные опции для интерполяции, кластеризации, хранения в zarr и параллельного выполнения на базе ray.
Сценарии использования
- Построение конвейеров классификации земного покрова по многовременным спутниковым снимкам.
- Мониторинг водоёмов с помощью расчёта индексов, например NDWI, для заданной области интереса.
- Подготовка временных рядов без облаков для моделей машинного обучения.
- Параллельный запуск рабочих процессов обработки спутниковых данных в крупном масштабе.
Темы
#earth-observation#remote-sensing#satellite-imagery#machine-learning#geospatial#python#time-series#eo-data#eo-research#python-package
Частые вопросы
- Что такое eo-learn?
- Фреймворк на Python для создания модульных рабочих процессов, преобразующих спутниковые снимки Земли в данные для машинного обучения. eo-learn — это набор пакетов Python для получения и обработки пространственно-временных последовательностей спутниковых снимков. Обработка строится как рабочий процесс из задач, которые работают с EOPatch — контейнером для массивов спутниковых данных, временных меток и географических метаданных. Типичные этапы включают маскирование облаков, совмещение снимков, извлечение признаков и подготовку данных для классификации.
- eo-learn можно использовать бесплатно? Какая у него лицензия?
- eo-learn распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- eo-learn всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в eo-learn — 9 сент. 2026 г..
- Для чего можно использовать eo-learn?
- Построение конвейеров классификации земного покрова по многовременным спутниковым снимкам. Мониторинг водоёмов с помощью расчёта индексов, например NDWI, для заданной области интереса. Подготовка временных рядов без облаков для моделей машинного обучения. Параллельный запуск рабочих процессов обработки спутниковых данных в крупном масштабе.
- Где скачать eo-learn?
- Исходный код и инструкции по установке — на GitHub: https://github.com/sentinel-hub/eo-learn
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Python-пакет для применения Meta Segment Anything Model (SAM) к геопространственным снимкам, например спутниковым и аэрофотоснимкам, с созданием геопривязанных масок.
4,2 тыс.+8 за неделю451PythonMITАктивно поддерживаетсяОбновлён 5 дней назад
Python-пакет для интерактивного анализа и визуализации геоданных Google Earth Engine в Jupyter notebooks.
4,1 тыс.1,2 тыс.PythonMITОбновлён позавчера
Настольная и веб-ГИС на чистом Rust для картографирования, анализа и публикации геоданных, с поддержкой командных сценариев и AI Assistant.
2,4 тыс.+207 за неделю356RustApache-2.0Активно поддерживаетсяОбновлён вчера
Библиотека AutoML, которая обучает и объединяет ML-модели для табличных данных, временных рядов и мультимодальных данных с помощью нескольких строк Python-кода.
10,8 тыс.+12 за неделю1,2 тыс.PythonApache-2.0Обновлён 3 дня назад
Сопутствующий код к книге Machine Learning for Trading (3-е издание): полный рабочий процесс от получения данных до реальной торговли.
Обучающие материалы#algorithmic-trading#machine-learning#quantitative-finance#backtesting#time-series
21,7 тыс.+96 за неделю5,8 тыс.Jupyter NotebookMITОбновлён вчера